Tema 04 — Metodologías y tendencias

Clase magistral: 04.01. tendencias bi ba

Palabras transcritas: 1332

🎧 Narración del Tema 04 (ElevenLabs Matilda)

Voz generada por IA (ElevenLabs Matilda) basada en la guía de estudio narrada. Tu celular puede reproducir este audio mientras lees, o mientras haces otras cosas.

TL;DR: El tema compara metodologías BI/DW y tendencias actuales para convertir datos gobernados, fiables y accesibles en mejores decisiones.

Puntos clave:

Las metodologías reducen el riesgo de fracaso en proyectos BI/BA porque ordenan requisitos, diseño, implementación y adopción. Sin pasos claros, la tecnología puede existir pero no resolver necesidades reales del negocio.
Kimball propone un enfoque dimensional orientado al negocio, con entregas incrementales y data marts integrados. Su centro es entender procesos, dimensiones, granularidad y tablas de hechos antes de construir el DW.
PMI aporta disciplina de gestión de proyectos mediante fases como inicialización, planificación, ejecución, control y cierre. En BI ayuda a controlar alcance, tiempos, costes, riesgos, comunicación y calidad.
Inmon plantea una visión top down: primero un data warehouse corporativo integrado y después data marts derivados. Es más global y robusto, aunque suele ser más complejo de implementar.
El proceso ETL es crítico porque extrae datos de sistemas fuente, mejora su calidad, los consolida y los carga en el data warehouse. Si el ETL falla, los análisis posteriores pierden fiabilidad.
Una organización data-driven necesita calidad de datos, gobierno del dato, datos maestros y acceso democratizado con seguridad. Por ejemplo, una tabla maestra de clientes permite cumplir obligaciones de protección de datos.
Las tendencias actuales incluyen autoservicio BI, analítica predictiva, BI móvil, análisis en tiempo real, Big Data, integración de datos y narración de datos. Todas apuntan a decisiones más rápidas, comprensibles y basadas en evidencia.

Términos técnicos clave: business intelligence, business analytics, data warehouse, data mart, tablas de hechos, business dimensional lifecycle, ETL, bus matrix, PMI, PMBOK, top down, data-driven

Fórmulas, procesos o ejemplos relevantes:

Proceso Kimball para el modelo dimensional:
1. Elegir el proceso de negocio.
2. Establecer el nivel de granularidad.
3. Elegir las dimensiones.
4. Identificar medidas y tablas de hechos.
Fases PMI del proyecto:
1. Inicialización.
2. Planificación.
3. Ejecución.
4. Control.
5. Cierre.
Proceso ETL:
1. Extraer datos desde sistemas originales.
2. Transformarlos aplicando reglas de calidad y consistencia.
3. Consolidarlos desde distintas fuentes.
4. Cargarlos en el data warehouse.
Ejemplo de gobierno del dato: centralizar clientes en una tabla maestra facilita responder a solicitudes de eliminación exigidas por leyes de protección de datos.
Ejemplo de analítica predictiva: modelos para prever ventas, evaluar si un cliente será bueno o malo, o recomendar productos y servicios.

Resumen narrativo

El Tema 4 sitúa las metodologías en el centro de cualquier estrategia de business intelligence y business analytics. La idea de fondo es sencilla: no basta con acumular datos o comprar herramientas; hace falta una forma ordenada de convertir necesidades del negocio en modelos, procesos, entregables y decisiones. Por eso se revisan metodologías clásicas, como Kimball e Inmon, y enfoques de gestión o entrega, como PMI y DevOps.

Kimball parte de una mirada muy cercana al negocio. Su metodología se apoya en el ciclo de vida dimensional, donde los requerimientos son el punto de partida y el diseño se estructura alrededor de procesos, dimensiones, granularidad, medidas y tablas de hechos. La lógica es construir una infraestructura de información útil, integrada y fácil de usar, pero entregándola en incrementos significativos. Así, un área como Ventas puede empezar con un data mart útil mientras la organización avanza hacia una arquitectura más amplia.

PMI complementa esta visión desde la gestión del proyecto. Un proyecto BI no solo necesita buenos modelos de datos; también necesita alcance claro, planificación, control, gestión de riesgos, comunicación y cierre. Las fases de inicialización, planificación, ejecución, control y cierre ayudan a que el esfuerzo técnico no se desordene ni se desconecte de los plazos, recursos y expectativas de la organización.

Inmon, por su parte, propone una arquitectura top down. En lugar de construir primero data marts departamentales, plantea consolidar un data warehouse corporativo integrado, validado y con metadatos, para luego alimentar data marts específicos. Esta aproximación ofrece una visión global más fuerte, pero también exige mayor coordinación y suele ser más difícil de desarrollar e implantar.

La clase magistral amplía el tema hacia las tendencias que se evalúan en el mercado BI. Destaca que no puede haber buenas decisiones si los datos no son correctos, fiables y coherentes. Por eso la calidad de datos, la gestión de datos maestros y la gobernanza son condiciones previas. Un ejemplo claro es la gestión centralizada de clientes: si la información está dispersa, cumplir una solicitud legal de eliminación de datos puede volverse inviable.

También aparecen tendencias relacionadas con el uso cotidiano de la información: autoservicio BI, democratización del acceso, integración de datos para usuarios de negocio, colaboración entre negocio y tecnología, narración de datos y estándares visuales. La idea no es que todos accedan a todo sin control, sino que cada perfil pueda consultar la información que necesita, con seguridad y contexto suficiente para interpretarla correctamente.

Finalmente, el tema conecta con analítica predictiva, Big Data, BI móvil y análisis en tiempo real. Estos enfoques buscan anticipar comportamientos, detectar problemas mientras ocurren y responder con mayor velocidad. Sin embargo, también implican retos técnicos: rendimiento de consultas, variedad de fuentes, formatos distintos y necesidad de almacenamiento adecuado. La conclusión es que ser data-driven no es solo usar dashboards, sino gobernar, integrar, analizar y comunicar datos de forma confiable.

Para profundizar

Revisar la metodología de Ralph Kimball para la implementación de DW/BI.
Comparar Kimball e Inmon a partir de sus enfoques bottom up y top down.
Estudiar la Guía PMBOK para entender procesos y áreas de conocimiento aplicables a proyectos BI.
Profundizar en el concepto de DevOps aplicado al desarrollo ágil de soluciones BI.
Revisar buenas prácticas de gobierno de business intelligence para calidad, seguridad, autoservicio y adopción.

Transcripción literal de la clase magistral, generada con ElevenLabs Scribe.

Hola, bienvenidos a una clase magistral del gobierno del dato y toma de decisiones. Hoy veremos este gráfico en profundidad porque aquí hay aspectos que se evalúan en las encuestas anuales que hacen empresas como Barc a los usuarios de herramientas BI y VA para ver cuáles son las tendencias del siguiente año. Aquí no veremos cuáles son las tendencias como tal, pero sí veremos cuáles son los aspectos que se evaluan para poder definir cuáles son las tendencias del próximo año en cuanto a herramientas BIA se refieren. Entonces empezamos por el tema de la calidad de los datos y la gestión de los datos maestros. No existe dentro de una empresa decisiones correctas si no están basadas en datos correctos, fiables y coherentes. Los procesos críticos de la empresa deberían estar bien fundamentados en la calidad del dato que se almacene y en la gestión de datos maestros y aquí hace referencia a poder unificar datos sensibles para la empresa como los clientes, por ejemplo. El día con el tema de la ley de protección de datos, si los clientes no están dentro de una tabla maestra o dentro de una tabla centralizada, cuando un cliente nos pida que lo borremos de su su sistema, y entonces no podemos cumplir con esta obligación que nos exigen los gobiernos a través de sus leyes de protección de datos. El siguiente aspecto de evaluar es el service BI o el Autoservicio de herramientas de Business Intelligence, y aquí estamos hablando básicamente de la democratización del acceso a los datos, obviamente con seguridad, que la veremos posteriormente. Pero desde los comerciales hasta el gerente de la empresa debería poder tener acceso a los datos que le interesan. Si un comercial es capaz de tener acceso a dashboard de la información de las ventas o de los datos de las ventas de la zona en la cual él trabaja, puede tomar decisiones mucho más acertadas con base en los datos. Entonces, eso va a hacer referencia al service. Hacer datos analíticas. Bueno, aquí ya hace referencia así. El análisis o esas analíticas que se hacen al interior de las bases de datos pesan más a mejor crear un data warehouse, un data lake y hacer esos análisis posteriores. El desarrollo del BI de forma ágil. Ya existen adaptaciones de estas metodologías ágiles para el desarrollo de estrategias de VI. Entonces, este enfoque de off, por ejemplo, aportó una mentalidad y unas buenas prácticas para poder implementar y entregar de manera contínua y automatizada para que el cambio sea mucho más ágil o, por lo menos, que a nivel de empresas se vaya viendo los cambios de forma mucho más rápida. Los principales beneficios del desarrollo ágil son la velocidad, la adaptabilidad y la alineación más estrecha entre las personas del negocio y las personas del área de tecnología. Entonces hablamos de la gobernanza del dato que ya hemos hablado durante este curso bastante sobre este tema, pero tener una visión general de los datos debe abordarse específicamente de la organización, desde el liderazgo de la organización. De hecho, se habla que debería haber una oficina especializada en gobernanza de datos, que garantice que esa estrategia se lleve a cabo a nivel de toda la organización. El análisis predictivo, estamos hablando de modelos para poder predecir ciertos aspectos dentro de la empresa. Por ejemplo, modelos para predecir las ventas, modelo para hacer la predicción antes de aceptar a un clientes, si va a ser bueno o malo, o incluso análisis predictivo para poder hacer sugerencias a los clientes de servicios o productos de nuestra empresa. El B-Mobile, esta es un aspecto que cobró cierta relevancia hace algunos años, ha ido en decadencia, pero ahora parece subir en cuanto a priorización, porque antes lo que se hacía era llevar los Dashboard a una pantallita dentro del móvil donde se podían ver todos los aspectos y se han dado cuenta que seguramente el bailmobile no va enfocado específicamente a tener todo lo Dashboard allí sino va enfocado más hacia las alertas si ocurre algo dentro de la organización y que debe ser atendido por alguien específico dentro de la empresa pues un alerta al móvil y ahí sí mostrarle información de por qué se está generando esta alerta. Plataforma integrada BPM, perdón, son plataformas que integran el Perfomance Management o la gestión del rendimiento junto con las herramientas BI, no es solamente implementar estrategias BI por implementarlas, si realmente el rendimiento de estas estrategias no es el mejor, no serviría de nada. Entonces hoy en día más empresas, sobre todo las que desarrollan este tipo de herramientas, le apuntan a una gestión del rendimiento óptima. El análisis en tiempo real, esto bueno es lo ideal, pero muchas empresas tienen problemas porque el rendimiento de las consultas tenemos Big Data, tenemos análisis de Big Data, podríamos unir estas dos. Tenemos grandes canciones de datos y que vienen de diferentes fuentes en diferentes formatos. Entonces, hacer este análisis en tiempo real no es fácil, no está siendo fácil para las empresas, pero hace referencia a poder tener los datos o los cambios en tiempo real, o sea, que los datos que nosotros veamos en las diferentes dashboard o en las diferentes reportes sean los que realmente están ocurriendo en este momento en la organización y esto por qué porque se puede dar cuenta de problemas que están ocurriendo en este momento y pueden actuar de manera inmediata para evitar que ese problema sea o pase a mayores. El análisis de Big Data, el análisis de grandes cantidad de datos. Por un lado está el almacenamiento óptimo de estos datos y después el análisis de estos datos. La integración de datos para usuarios del negocio. Aquí estamos hablando de que todos los usuarios del negocio, al igual que el auto servicio, deberían tener acceso a los datos y que sea, los datos estén democratizados. También estamos hablando de ese aspecto acá. Y la diferencia que existe con este self-service es que la integración de los datos, de los diferentes fuentes, estén también a la mano de los usuarios del negocio, que así lo necesiten. Porque pueden haber datos que no estén estructurados, que necesiten ciertos usuarios del negocio consultarlos y posiblemente no tengan acceso, tengo que llamar al departamento de ITA para que les dé permiso para acceder a este documento de este paciente, de este cliente. Entonces ahí que en la integración de los datos de las diferentes fuentes también se tengan en cuenta los usuarios del negocio para que puedan acceder a estos datos o a esta información. La colaboración entre las diferentes personas dentro del negocio, tanto personas especializadas en el negocio como las personas de el departamento de tecnología. Aquí cuando habla de narración de los datos estamos hablando básicamente de los metadatos y los estándares del diseño visual son muy importantes porque si cada uno de estos Estos estilos que se crean de BI o de herramientas BI tienen un estándar de diseño diferente pues da una sensación de que no está todo conectado, además cuando se tiene un estándar de diseño visual de colores, de tipos de letras, de como presentar tal información, cuando pasamos de un informe a otro es muy fácil de interpretar. debería tenerse en cuenta en estos standards de diseño visual que los metadata se puedan consultar de una forma rápida, de la manera que yo me pare en un dato y necesitas saber a qué hacer referencia ese dato pueda consultarlo de una forma rápida, a través de mensajes emergentes. Y el descubrimiento de datos hace referencia a poder descubrir patrones, incluso valores atípicos dentro de la empresa que me pueden llevar a tomar mejores decisiones a futuro. Bueno, con esto hemos terminado de ver a qué hace referencia cada uno de estos aspectos. y ya cuando veamos el análisis de las tendencias es muchísimo más fácil de entender. Ok, muchísimas gracias por su atención y hasta la próxima.