Las plataformas de BI tradicionalmente dependen de almacenes de datos para su información de referencia. Un almacén de datos agrega datos de múltiples fuentes de datos en un sistema central para respaldar el análisis y la generación de informes empresariales. El software Business Intelligence 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 admitir consultas multidimensionales. Por ejemplo: ¿Cuáles son las ventas de nuestra región oriental frente a nuestra región occidental este año, en comparación con el año pasado?

“OLAP proporciona una poderosa tecnología para el descubrimiento de datos, facilitando la inteligencia de negocios, cálculos analíticos complejos y análisis predictivo”, dice el gerente de ofertas de IBM, Doug Dailey, en su blog de almacenamiento de datos. “Uno de los principales beneficios de OLAP es la consistencia de la información y los cálculos que utiliza para impulsar los datos para mejorar la calidad del producto, las interacciones con los clientes y las mejoras en los procesos”.

Algunas soluciones de Business Intelligence más nuevas pueden extraer e ingerir 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 "business intelligence" fue utilizado por primera vez en 1865 por el autor Richard Millar Devens, cuando citó a un banquero que recopilaba información 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 análisis 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 los crecientes volúmenes de información.

"Muchos historiadores sugieren que la versión moderna de inteligencia empresarial evolucionó a partir de la base de datos DSS", dice el sitio de educación de TI 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, los sistemas de información ejecutiva y almacenes de datos, es un tipo de herramientas desarrolladas para trabajar con DSS. ²

En la década de 1990, la BI se hizo cada vez más popular, pero la tecnología aún era compleja. Por lo general, requería soporte de TI, lo que a menudo generaba retrasos en los informes. Incluso sin TI, los analistas y usuarios de inteligencia empresarial necesitaban un alto nivel de conocimientos y experiencia para poder consultar y analizar sus datos con éxito. ³

El desarrollo más reciente se ha centrado en las aplicaciones de BI de autoservicio, lo que permite a los usuarios no expertos beneficiarse de sus propios informes y análisis.

Las plataformas modernas basadas en la nube también han ampliado el alcance de BI en diferentes geografías. Muchas soluciones ahora manejan big data, e incluyen procesamiento en tiempo real, lo que permite procesos de toma de decisiones basados en información actualizada.

La BI brinda a las organizaciones la capacidad de hacer preguntas en un lenguaje sencillo y obtener respuestas que puedan comprender.

En lugar de utilizar conjeturas, las empresas podrían basar sus decisiones en lo que les dicen sus datos comerciales, 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 BI proporciona conocimientos del pasado y del presente sobre el negocio", dice Maamar Ferkoun en su Blog de inteligencia empresarial y computación en la nube de IBM.

"Esto se logra a través de una variedad de tecnologías y prácticas, desde análisis e informes hasta minería de datos y 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 empresarial basada en datos fácticos ".

La BI ayuda a las organizaciones a convertirse en empresas basadas en datos, mejorar el rendimiento y obtener una ventaja competitiva. Estas pueden:

• Mejorar el ROI entendiendo el negocio y asignando recursos de manera inteligente para cumplir con los objetivos estratégicos.
• Descubrir el comportamiento, las preferencias y las tendencias de los clientes, y utilizar los conocimientos para segmentar mejor los mercados potenciales o adaptar los productos a las necesidades cambiantes del mercado.
• Supervisar las operaciones comerciales y corregir o realizar mejoras de forma continua, impulsada por la información obtenida.
• Mejorar la gestión de la cadena de suministro mediante el seguimiento de la actividad a lo largo y ancho de la línea, lo que representa una mejor comunicación de los resultados con socios y proveedores.

Los minoristas, por ejemplo, pueden ahorrar más costos al comparar el rendimiento y los puntos de referencia en las tiendas, los canales y las regiones. Y, con la visibilidad del proceso de reclamaciones, las aseguradoras pueden ver dónde se deberá enfocar el servicio para así poder utilizar esa información y obtener mejores resultados.

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

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

• Conectar a una amplia variedad de diferentes sistemas de datos y conjuntos de datos, incluidas bases de datos y hojas de cálculo.
• Proporciona un análisis profundo que ayuda a los usuarios a descubrir relaciones y patrones ocultos en sus datos.
• Presentar respuestas en visualizaciones de datos informativas y convincentes como informes, mapas, cuadros y gráficos.
• Permitir la comparación de datos en paralelo, en diferentes escenarios.
• Proporciona funciones específicas para obtener detalles y así permitir a los usuarios investigar diferentes niveles de datos.

Los sistemas avanzados de BI y la analítica también pueden integrar el uso de 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 conocimientos a un nivel profundo.

Considere, por ejemplo, cómo IBM Cognos Analytics reúne el análisis de datos y las herramientas visuales para respaldar la creación de mapas para informes. El sistema utiliza la IA para identificar automáticamente la información geográfica.

Luego, este puede refinar las visualizaciones agregando mapas geoespaciales de todo el mundo, una zona geográfica específica de una ciudad o cualquier punto medio.

Según un informe sobre la reinvención digital realizado por el IBM Institute for Business Value: "En cinco años, el 58 por ciento de los 1,100 ejecutivos que encuestamos en el Estudio de Reinvención Digital espera que las nuevas tecnologías reduzcan las barreras de entrada y el 69 por ciento espera más competencia entre industrias".

"La analítica avanzada permite obtener una inteligencia empresarial más profunda y una visión del consumidor a partir de big data, produciendo información que va desde descriptiva hasta predictiva".