Las plataformas de BI dependen tradicionalmente de almacenes de datos para obtener su información básica. Un almacén de datos agrega datos de múltiples fuentes de datos a un sistema central para respaldar el análisis y la generación de informes empresariales. El software de inteligencia empresarial consulta el almacén y presenta los resultados al usuario en forma de informes, gráficos y mapas.

Los almacenes de datos pueden incluir un motor de procesamiento analítico en línea (OLAP) para soportar consultas multidimensionales. Por ejemplo: ¿cómo se comparan entre sí las ventas de la región oriental y occidental de este año con las del año pasado?

"OLAP proporciona una poderosa tecnología para el descubrimiento de datos, facilitando la inteligencia empresarial, los cálculos analíticos complejos y los análisis predictivos", explica el responsable de oferta de IBM, Doug Dailey, en su blog sobre almacenamiento de datos. "Uno de los principales beneficios de OLAP es la coherencia de la información y los cálculos que utiliza para impulsar los datos y mejorar la calidad del producto, las interacciones con los clientes y las mejoras de los procesos".

Algunas soluciones de inteligencia empresarial más nuevas pueden extraer y consumir datos sin procesar directamente utilizando tecnología como Hadoop, pero los almacenes de datos siguen siendo la fuente de datos preferida en muchos casos.

El término "inteligencia empresarial" fue utilizado por primera vez en 1865 por el autor Richard Millar Devens, cuando citó a un banquero que recopilaba inteligencia sobre el mercado antes que sus competidores. En 1958, un informático de IBM llamado Hans Peter Luhn exploró el potencial del uso de la tecnología para recopilar inteligencia empresarial. Su investigación ayudó a establecer métodos para crear algunas de las primeras plataformas de analítica de IBM.

En las décadas de 1960 y 1970, se desarrollaron los primeros sistemas de gestión de datos y sistemas de apoyo a la toma de decisiones (DSS) para almacenar y organizar volúmenes crecientes de datos.

"Muchos historiadores sugieren que la versión moderna de la inteligencia empresarial evolucionó a partir de la base de datos DSS", afirma el sitio de educación informática Dataversity. "Durante este tiempo, se desarrolló una variedad de herramientas con el objetivo de acceder a los datos y organizarlos de manera más sencilla. OLAP, sistemas de información ejecutiva y almacenes de datos fueron algunas de las herramientas desarrolladas para trabajar con DSS". ²

En la década de 1990, la inteligencia empresarial se hizo cada vez más popular, pero la tecnología seguía siendo compleja. Suele requerir soporte informático, lo que a menudo provoca retrasos y demoras en los informes. Incluso sin TI, los analistas y usuarios de inteligencia empresarial necesitaban una amplia formación para poder consultar y analizar con éxito sus datos. ³

El desarrollo más reciente se ha centrado en las aplicaciones de BI de autoservicio, lo que permite a los usuarios no expertos obtener sus propios informes y análisis. Las plataformas modernas basadas en la nube también han ampliado el alcance de BI en todas las geografías. Ahora, muchas soluciones manejan big data e incluyen procesamiento en tiempo real, lo que permite adoptar decisiones basadas en información actualizada.

La inteligencia empresarial ofrece a las organizaciones la capacidad de hacer preguntas en un lenguaje sencillo y obtener respuestas que puedan entender. En lugar de guiarse por conjeturas, pueden basar sus decisiones en lo que les dicen los datos de su empresa, ya sea que se relacionen con la producción, la cadena de suministro, los clientes o las tendencias del mercado.

¿Por qué están cayendo las ventas en esta región? ¿Dónde tenemos exceso de inventario? ¿Qué dicen los clientes en las redes sociales? La BI ayuda a responder estas preguntas críticas.

"La inteligencia empresarial proporciona información pasada y actual sobre el negocio", explica Maamar Ferkoun en su blog sobre inteligencia empresarial y computación en la nube de IBM. "Esto se logra a través de una serie de tecnologías y prácticas, desde el análisis y la generación de informes hasta la minería de datos y el análisis predictivo. Al proporcionar una imagen precisa del negocio en un momento específico, la BI proporciona a una organización los medios para diseñar una estrategia de negocio basada en datos objetivos".

La inteligencia empresarial ayuda a las organizaciones a convertirse en empresas basadas en datos, mejorar el rendimiento y obtener una ventaja competitiva. Pueden:

• Mejorar el retorno de la inversión mediante la comprensión del negocio y la asignación inteligente de recursos para cumplir con los objetivos estratégicos.
• Desentrañar el comportamiento, las preferencias y las tendencias de los clientes, y utilizar la información para dirigirse mejor a los clientes potenciales o adaptar los productos a las necesidades cambiantes del mercado.
• Supervisar las operaciones de la empresa y corregir o introducir mejoras de forma continua, alimentadas por la información de los datos.
• Mejorar la gestión de la cadena de suministro supervisando la actividad en línea y comunicando los resultados con socios y proveedores.

Los minoristas, por ejemplo, pueden aumentar el ahorro de costes comparando el rendimiento y los puntos de referencia entre tiendas, canales y regiones. Y, con la visibilidad del proceso de reclamaciones, las aseguradoras pueden ver dónde están fallando los objetivos de servicio y utilizar esa información para mejorar los resultados.

Las organizaciones se benefician cuando pueden evaluar completamente las operaciones y los procesos, comprender a sus clientes, medir el mercado e impulsar la mejora. Necesitan las herramientas adecuadas para agregar información empresarial desde cualquier lugar, analizarla, descubrir patrones y encontrar soluciones.

El mejor software de BI apoya este proceso de toma de decisiones al:

• Conectarse a una amplia variedad de sistemas de datos y conjuntos de datos diferentes, incluidas bases de datos y hojas de cálculo.
• Proporcionar análisis en profundidad, ayudando a los usuarios a descubrir relaciones y patrones ocultos en sus datos.
• Presentar respuestas en visualizaciones de datos informativas y atractivas, como informes, mapas, gráficos y gráficos.
• Permitir realizar comparaciones en paralelo de los datos en diferentes escenarios.
• Proporcionar funciones de drill-down, drill-up y drill-through, lo que permite a los usuarios investigar diferentes niveles de datos.

Los sistemas avanzados de BI y análisis también pueden integrar la inteligencia artificial (IA) y el machine learning para automatizar y agilizar tareas complejas. Estas capacidades aceleran aún más la capacidad de las empresas para analizar sus datos y obtener información a un nivel profundo.

Considere, por ejemplo, cómo IBM Cognos Analytics combina el análisis de datos y las herramientas visuales para dar soporte a la creación de mapas para informes. El sistema utiliza IA para identificar automáticamente la información geográfica. A continuación, puede refinar las visualizaciones añadiendo mapas geoespaciales de todo el mundo, de un barrio concreto o de cualquier punto intermedio.

Según se explica en un informe sobre la reinvención digital del IBM Institute for Business Value: "A cinco años vista, el 58 % de los 1100 ejecutivos encuestados en el estudio sobre la reinvención digital espera que las nuevas tecnologías reduzcan las barreras de entrada, y el 69 % espera más competencia cruzada".

"La analítica avanzada permite extraer inteligencia empresarial y de los consumidores más profunda a partir de los macrodatos, lo que produce información que va desde lo descriptivo hasta lo predictivo".