Cuáles son los componentes de business intelligence en big data

Cuáles son los componentes de business intelligence en big data

En el post de hoy hablaremos sobre los componentes o elementos clave que forman parte tanto de Business Intelligence y que se han adoptado también en las tecnologías Big Data. Los llamamos componentes de Business Intelligence ya que Big Data aparece posteriormente a Business Intelligence y podríamos entenderlo de alguna manera como su evolución adoptando cosas de esta tecnología ya existente.

Las tecnologías Big Data y Business Intelligence ocupan un lugar muy importante en la estrategia de cualquier compañía que fundamente sus decisiones empresariales en el conocimiento. Antes de tomar cualquier tipo de decisión deben analizarse las diferentes variables que tenemos presentes para crear todos los posibles escenarios, recopilar todos los datos y explorar de una manera eficiente toda la información de la que disponemos. Disponer de información fiable y a tiempo resulta fundamental para la toma de decisiones.

Big Data y Business Intelligence son dos tecnologías que sirven para este tipo de procesos pero que presentan algunas diferencias entre ambas.

Diferencias entre business intelligence y big data

Aunque Business Intelligence y Big Data son dos tecnologías con una finalidad prácticamente idéntica que es el análisis de datos, existen algunas diferencias entre estas dos tecnologías, tanto en el modo en cómo operan como en el tipo de datos que analizan. Big Data va un paso más allá que Business Intelligence pero sin Business Intelligence no habríamos llegado a Big Data, es decir, Business Intelligence es un paso previo a Big Data.

Veamos a continuación las principales diferencias entre Business y Intelligence y Big Data y sus objetivos.

  • Business Intelligence: los objetivos de Business Intelligence es el análisis de datos consolidados en un entorno llamado Data Warehouse, estructurados en una base de datos relacional convencional con un conjunto adicional de índices y formas de acceso a las tablas, vistas, cubos multidimensionales o modelo tubular.
  • Big Data: en un entorno de Big Data, los datos se almacenan en un sistema de ficheros distribuido, en lugar de en un servidor central. Las soluciones de Big

Data llevan las funciones de proceso a los datos en lugar de los datos a las funciones. Al estar el análisis centrado en torno al dato, esto permite manejar cantidades más grandes de información de forma más ágil. Es importante que tengamos presente que el objetivo último del concepto BigData es encontrar el conocimiento que encierran los datos para luego aplicarlo en la mejora de cualquier tipo de proceso. Por lo tanto BigData no es un concepto sustitutivo del concepto Business Intelligence, BigData es una herramienta más, que ayudará a desarrollar mejores procedimientos de Inteligencia de Negocio.

Las tecnologías de Big Data y de Business Intelligence son dos herramientas tecnológicas perfectamente complementarias, ya que mientras el Big Data ofrece un análisis profundo y una visión global de los datos, Business Intelligence aporta al usuario una experiencia de datos más estructurada y detallada. Elementos de Business Intelligence como los Dashboards, los reports o métricas de rendimiento pueden ser muy importantes a la hora de ofrecer fiables análisis avanzados, que además formen una solución visualmente atractiva.

Big Data surge de la evolución de Business Intelligence pero va un paso más allá, son herramientas con unos objetivos muy parecidos y debido a esto muchos de los componentes de Business Intelligence los encontramos también en Big Data.

Elementos clave en business intelligence 

A continuación, hablaremos de los elementos clase que forman parte del Business Intelligence y que podemos encontrar presentes en Big Data también.

  • Data Warehouse (DW): se trata de una Base de Datos pensada para almacenar y procesar un gran volumen de datos, donde está integrada información de distintas fuentes, como pueden ser CRM, Google Analytics, Twitter, sistemas contables, administrativos y fiscales, datos de ficheros de Texto, ficheros Excel, comentarios de Blogs, etc. Todo ello en una única plataforma, donde sea posible distribuir la información preparada para su análisis y exploración.
  • Procesos ETL (Extract, Transform, Load): son los procesos de tratamiento de la información desde las diferentes fuentes de datos (CRM, ERP, Redes Sociales, etc) para poder alimentar el Data Warehouse con información de calidad.La mayoría de veces que trabajamos con datos en algún momento tenemos que hacer una serie de tareas de forma manual para extraer datos, cruzar información y tener todo organizado en alguna base de datos o un Excel, para después poder hacer el trabajoque realmente nos interesa que es el análisis de datos.Cuando trabajamos con Business Intelligence y con un Data Warehouse es necesario automatizar este proceso y sacar partido de las herramientas de ETL adecuadas que nos facilitan este proceso que a veces se convierte en pesado, rutinario y nos representa una pérdida de tiempo. Estas herramientas suelen tener conectores para varios tipos de bases de datos, redes sociales y en algunoscasos, permite que un programador desarrolle sus propios conectores si es necesario.
  • Data Mining (Minería de Datos): es el proceso de análisis de datos. Suele ser una tarea para matemáticos y estadísticos, pero hay herramientas que facilitan este trabajo a usuarios de negocios o analistas. Debemos entender que Data Mining es un proceso; no es simplemente ejecutar un determinado algoritmo que realiza alguna tarea como, por ejemplo, una regresión lineal o una serie de cálculos y ya está. Este proceso solamente de cálculo no es Data Mining aunque sí se podamos llegarlo a entender como un análisis de datos

¿Crees que Big Data ha supuesta una gran evolución respecto a Business Intelligence, teniendo en cuenta que incorpora elementos clave de Business Intelligence?

Curso relacionado: Curso Superior de Big Data