Maestría en Administración de Negocios Lección 10 Inteligencia de Negocios y Administracion del Conocimiento ASIGNATURA Gestión de Sistemas y Tecnologías de la Información OZ, E. (2008). Administración de los sistemas de información, 5a. ed., México: S.A. de C.V., una Compañía de Cengage Learning. 2 LECCIÓN 10 INTELIGENCIA DE NEGOCIOS Y ADMINISTRACIÓN DEL CONOCIMIENTO 1. CONCEPTOS BÁSICOS Debido a que más y más operaciones empresariales son administradas mediante el contenido de los sistemas de información y, en ocasiones, en forma automática por los sistemas de información, se recopilan y se guardan de manera electrónica grandes cantidades de datos. Con las herramientas Web adecuadas, los datos guardados en bases y almacenes de datos permiten a los ejecutivos extraer inteligencia de negocios, información que les ayuda a saber más de los clientes y los proveedores y, por lo tanto, les sirve para tomar mejores decisiones. La tecnología de la información también permite a las organizaciones organizar los conocimientos guardados y reunir conocimientos de vastas cantidades de datos no estructurados. Cuando usted concluya este capítulo, podrá: Explicar los conceptos de extracción de datos y procesamiento analítico en línea. Explicar la noción de inteligencia de negocios y sus beneficios para las organizaciones. Identificar las necesidades de almacenamiento y administración de los conocimientos en las organizaciones. Explicar los retos en la administración de los conocimientos y sus beneficios para las organizaciones. 3 2. EXTRACCIÓN DE DATOS Y ANÁLISIS EN LÍNEA Recuerde de nuestro análisis en el capítulo 7 si los almacenes de datos son más en datos grandes que contienen transacciones históricas y otros datos. Sin embargo, por sí solos, los almacenes de datos son inútiles. Para que se vuelvan útiles, las organizaciones deben emplear herramientas de software para convertir el contenido de estas enormes bases de datos en información significativa. Debido a que los ejecutivos obtienen mucha más información acerca de sus clientes, proveedores y de sus propias organizaciones, prefieren llamar a la información extraída con tales herramientas inteligencia de negocios (BI). Siendo sus usos principales para estas bases de datos: la minería de datos y el procesamiento analítico en línea. 2.1. Minería de datos Podemos considerar a los almacenes de datos como una especie de mina, en donde los datos son el mineral, y la información útil nueva es un hallazgo precioso. La minería de datos es el proceso de elegir, explorar y modelar grandes cantidades de datos para descubrir relaciones antes desconocidas que apoyen la toma de decisiones. El software de minería de datos busca por enormes cantidades de datos patrones de información significativos. Si bien algunas herramientas ayudan a detectar relaciones y proporciones predefinidas, no responden lo que las herramientas de minería de datos más poderosas pueden contestar: “¿Cuáles son las relaciones que todavía no conocemos?”. Esto se debe a que, para comenzar, el investigador debe determinar cuál relación debe buscar el software. Para responder esta pregunta, se utilizan otras técnicas en minería de datos, entre ellas las de inteligencia artificial, mencionadas en el capítulo 10. 4 Para ilustrar la diferencia entre las consultas tradicionales y las consultas en la minería de datos, piense en los ejemplos siguientes. Una consulta tradicional común sería: “¿Cuál es la relación entre la cantidad del producto X y la cantidad del producto Y que vendimos durante el trimestre anterior?”. Una consulta de minería de datos normal sería: “Descubrir cuáles son los dos productos que es más probable que se vendan juntos un fin de semana”. Esta última consulta permite al software encontrar patrones que no se detectarían mediante la observación. Si bien los datos se han empleado para ver si existe éste o qué patrón, la minería de datos le permite preguntar cuáles patrones existen. Por lo tanto, algunos expertos dicen que la minería de datos permite que la computadora responda las preguntas que usted no sabe formular. La combinación de técnicas de almacenamiento de datos y software de minería de datos facilita predecir los resultados futuros con base en los patrones descubiertos dentro de los datos históricos. La minería de datos tiene cuatro objetivos principales: Secuencia o análisis de rutas. La detección de patrones donde un evento conduce a otro evento posterior. Clasificación. La determinación de si ciertos hechos caen dentro de grupos predefinidos. Agrupamiento. La detección de grupos de hechos relacionados no detectados antes. Predicción. El descubrimiento de patrones en los datos que conduzcan a predicciones razonables. Estas técnicas se usan en mercadotecnia, detección de fraudes y otras áreas (consulte la figura 11.1). La minería de datos es muy usada por los gerentes de mercadotecnia, quienes en forma constante analizan patrones de compra para orientarse a los clientes potenciales de manera más eficiente mediante ventas especiales, exhibiciones de productos o campañas de correo directo o 5 electrónico. La minería de datos es un recurso muy poderoso en un ambiente en el que las empresas cambian de comercializar un producto de manera masiva a erigir el cliente individual con diversos productos que quizá lo satisfagan. Algunos observadores llaman a este método “mercadotecnia para uno”. 2.1.1. Predicción del comportamiento del cliente La minería de datos también se emplea en actividades bancarias, en donde sirve para detectar los clientes rentables y los patrones de fraudes. También se usa para predecir las quiebras y el incumplimiento de los préstamos. Por ejemplo, cuando Bank of America (BofA) buscaba nuevos métodos para conservar clientes, usó técnicas de minería de datos. Combinó diversos patrones de comportamiento en perfiles del cliente bien asignados. Los datos se usaban en grupos más pequeños de personas que utilizaban servicios bancarios que no apoyaban bien sus actividades. Los empleados bancarios se comunicaban con estos clientes y ofrecían sugerencias sobre servicios más satisfactorios. El resultado fue una mayor lealtad de la clientela (medida en menos cuentas canceladas y menos transferencias a otros bancos). Las personas contactadas pensaban que el banco intentaba cuidar bien su dinero. 6 Las empresas que venden servicios de telefonía celular o móvil encaran un creciente desafío de inquietud de los clientes (se cambian con un competidor). Algunas encuestas muestran que más de 50% de los usuarios de teléfonos celulares piensa en cambiarse con un competidor en cierto momento y 15% planean cambiarse con un competidor tan pronto como expire su contrato. Mobilcom GmbH, una empresa alemana con 4.56 millones de clientes y 1100 empleados, emplea la minería de datos para identificar a tales clientes y abordarlos con ofertas para continuar o renovar su contrato antes del cambio. La compañía emplea una aplicación llamada DB Intelligent Miner de IBM. El software busca en forma periódica patrones de inquietud de los clientes y designa a cada cliente una calificación que representa la probabilidad de cancelar el contrato. El software considera muchas variables, entre ellas el número de días que faltan para que venza el contrato y el historial de quejas. La lealtad de los clientes es muy 7 importante porque el costo de obtener un nuevo cliente es muy superior al costo de conservar a quien ya lo es, sobre todo en un mercado muy competitivo como el de los teléfonos celulares. Para asegurar un flujo uniforme de datos de clientes en sus almacenes de datos, las compañías en casi todas las industrias desde aerolíneas hasta de alojamiento, comida y apuestas operan programas de clientes leales similares a los programas originales de viajero frecuente. La participación es gratuita y los clientes dejan un registro cada vez que hacen una compra incluso si no emplean una tarjeta de crédito para pagar. En muchos casos la extracción de tales datos aporta la inteligencia de negocios para orientarse a los clientes individuales. 2.1.2. Utilización de programas de lealtad Los programas de lealtad como los clubes de viajeros frecuentes y de clientes ayudan a las organizaciones a acumular enormes cantidades de datos acerca de sus clientes. Por ejemplo, algunas cadenas de abarrotes, emiten cupones de descuento sólo a los clientes más leales. Harrah’s Entertainment Inc., la cadena de casinos y hoteles, emplea su almacén de datos para orientarse a clientes individuales, en vez de a grupos. Las técnicas cuyos detalles la compañía se niega a revelar por razones obvias permite a Harrah’s preparar paquetes de alojamiento, comida y apuestas atractivos para sus clientes. Ayuda a diferenciar a quien gasta poco de quien gasta mucho y a decidir los precios de esos servicios mediante patrones de gastos individuales en las instalaciones de la empresa. Éste es un ejemplo de administración de los rendimientos o administración de los ingresos, un concepto presentado en el capítulo 10. Harrah’s confía mucho en sus aplicaciones de software para discriminar los precios. Instruye a los agentes de ventas a 8 cobrar tarifas por noche más altas a las personas con un historial de gastar poco en las apuestas y cobrar poco a los grandes apostadores. 2.1.3. Deducción de la demografía Algunas empresas emplean técnicas de extracción de datos para tratar de predecir lo que es probable que compren los clientes en el futuro. Como se mencionó en los capítulos anteriores, Amazon. com es líder en explotar los datos de los clientes. La compañía registró la patente número 6 865 546 en Estados Unidos llamada “Métodos y sistemas para ayudar a los usuarios a comprar artículos”. El software desarrollado por Amazon determina la edad del destinatario de un artículo adquirido por un cliente. El rango de edad se calcula (al menos en forma parcial) con base en el historial de pedidos del cliente comprados para el destinatario. El primer regalo se asocia con una primera “definición de la conveniencia de la edad”. El segundo regalo se asocia con una segunda definición de la conveniencia de la edad. Se calcula un rango de edad asociado con el destinatario. Se calcula el avance en la edad del destinatario y la compañía lo emplea para ofrecer al cliente regalos para esa persona cuando el cliente se conecta al sitio. De modo que, si usted compra regalos en Amazon.com para su sobrina, no se sorprenda si Amazon lo tienta a comprar artículos para una niña, una jovencita y una mujer madura durante las décadas siguientes. Éste es otro ejemplo de lo que puede hacer una herramienta para minería de datos: si usted compró un perfume una semana antes del Día de San Valentín, deducirá que lo compró como regalo para una mujer y le ofrecerá ciertos colores para el papel de envoltura. 9 2.2. Procesamiento analítico en línea Otro tipo de aplicación para aprovechar los almacenes de datos tal vez no sea tan sofisticado en términos del análisis efectuado, pero su respuesta es muy rápida y permite a los ejecutivos tomar decisiones oportunas: el procesamiento analítico en línea (OLAP). Las tablas, incluso si reúnen datos de varias fuentes, limitan la revisión de la información. Los ejecutivos suelen necesitar de la información en varias combinaciones de dos dimensiones. Por ejemplo, una ejecutiva quiere ver un resumen de la cantidad de cada producto vendida en cada región. Después, quiere ver las cantidades totales de cada producto vendidas dentro de cada ciudad de una región. Y es posible que quiera ver las cantidades vendidas de un producto específico en todas las ciudades de todas las regiones. El OLAP está especialmente diseñado para responder consultas como éstas. Las aplicaciones OLAP permiten a un usuario girar “cubos” de información virtuales, en donde cada lado del cubo ofrece otras dos dimensiones de información relevante. 2.2.1. La fuerza del OLAP La figura 11.2 muestra la interfaz de una aplicación OLAP basada en la Web, cuyo propósito es proporcionar información acerca de los empleados federales. Puede visitar www.fedscope.gov y recibir información sobre el personal federal en casi cualquier dimensión imaginable durante varios años. Entre las dimensiones están la región del empleo, el nivel de servicio, la ocupación, el rango del sueldo y muchas más. La tabla intermedia presenta la cantidad de empleados por departamento de región. Al hacer clic en el triángulo la izquierda del “Departamen of Defense” genera una información más detallada para ese departamento y emplea la misma dimensión anterior, pero sólo para ese departamento. También puede recibir datos similares sólo para una rama militar específica (tabla inferior). Esto sería un ejemplo de penetración, un proceso mediante el cual se comienza con una tabla 10 que muestra información general y en forma gradual recupera tablas de información más específica. La aplicación OLAP le permite recibir la información en cantidades de empleados o como porcentajes en cada región, departamento o unidades organizacionales dentro del departamento. Las aplicaciones OLAP operan sobre los datos organizados especialmente para tal uso o procesan los datos de bases de datos relacionales. Una aplicación OLAP dinámica responde a los comandos mediante la preparación de tablas “mientras funciona”. Para acelerar la respuesta, las bases de datos se organizan en primer lugar como dimensionales. En las bases de datos dimensionales también llamadas bases de datos multidimensionales los datos básicos se organizan en tablas que muestran la información en resúmenes y en proporciones, para que quien consulta no tenga que esperar el procesamiento de los datos básicos. Muchas empresas organizan los datos en bases de datos relacionales y almacenes de datos, pero también emplean aplicaciones que en forma automática resumen esos datos y organizan la información en bases de datos dimensionales para OLAP. Oracle, Cognos, Hyperion y muchas otras compañías venden paquetes de bases de datos multidimensionales y herramientas OLAP para emplearlas. Las aplicaciones OLAP responden con facilidad a preguntas como “¿Cuáles productos se venden bien?” o “¿Dónde están mis oficinas de ventas con el peor desempeño?”. Observe que, aunque la palabra “cubo” se usa para ilustrar la multidimensionalidad de las tablas OLAP, la cantidad de tablas no se limita a seis, el cual es el número de lados de un cubo real. Es posible producir tablas que muestran las relaciones de dos variables que estén en la bases de datos, siempre y cuando 11 existan los datos. OLAP permite a los administradores ver los resúmenes y las proporciones de la intersección de cualesquiera dos dimensiones. Como se mencionó en el capítulo 7, los datos usados por las aplicaciones OLAP suelen provenir de un almacén de datos. Las aplicaciones OLAP son recursos poderosos para los ejecutivos. Por ejemplo, considere la figura 11.3. Los ejecutivos de una empresa de fabricación quieren saber cómo se han vendido los tres modelos de su producto durante el trimestre anterior en tres regiones del mundo. Pueden ver las ventas en términos económicos (tabla superior) y después en términos de unidades (segunda tabla). Después pueden profundizar en resúmenes de una región particular, en este caso Norteamérica, de la cantidad de unidades vendidas, no sólo por modelo, sino por modelo y color, debido a que cada modelo se vende en tres colores. Esta información puede llevarlos a recomendar a un distribuidor que deje de vender el modelo 3 en azul en Norteamérica, porque las ventas de unidades azules de este modelo son muy bajas en esta región. Mientras todavía investigan las ventas del trimestre pasado en Norteamérica, los ejecutivos tal vez quieran examinar el desempeño de las ventas de cada distribuidor en la región. Parece que el distribuidor 3 disfrutó ventas activas del modelo 1, pero no de los modelos 2 y 3. Si la imagen de ventas es igual para otro trimestre o dos, pueden decidir dejar de vender estos modelos a través del distribuidor 3 y aumentar la cantidad de unidades del modelo 1 que entregan a ese distribuidor. 12 13 14 De un modo similar, Ruby Tuesday, la cadena de restaurantes, resolvió un problema en uno de ellos. Los administradores que examinaban el desempeño por lugar descubrieron que un restaurante en Knoxville, Tennessee, se desempeñaba muy por debajo del promedio de la cadena en términos de ventas y ganancias. Al analizar la información de la tienda, encontraron que los clientes esperaban más tiempo de lo normal por una mesa y por sus alimentos, una vez que estaban sentados. Esto se podía deber a muchas razones: un cocinero poco experimentado, menos personal del requerido o camareros lentos, por mencionar algunos. Los administradores en las oficinas centrales decidieron analizar el tiempo promedio desde que se abría una cuenta en la caja registradora hasta que la pagaba el cliente. En la industria restaurantera esto es un indicio de un factor importante: cuánto tarda un cliente en pasar del inicio al final del proceso. Entre menos tiempo, mejor. El tiempo promedio para cerrar una cuenta en un restaurante Ruby Tuesday es 45 minutos. En este lugar específico era de 55 a 60 minutos. Al examinar la información adicional, la administración concluyó que la razón del tiempo de espera más prolongada era una mayor demanda debido a un auge económico en la región. La compañía envió personal para cambiar la disposición de la cocina, la posición de los cocineros y la colocación de los alimentos. La preparación requería menos tiempo, se servía más rápido y el tiempo de espera disminuyó 10%. Fue posible atender más clientes y los ingresos aumentaron. Las aplicaciones OLAP se suelen instalar en un servidor especial ubicado entre la computadora del usuario y el servidor o los servidores que contienen un almacén de datos o bases de datos dimensionales (aunque OLAP también puede procesar datos de una base de datos de 15 transacciones). Como las aplicaciones OLAP están diseñadas para procesar grandes cantidades de registros y producir resúmenes, suelen ser mucho más rápidas que las aplicaciones relacionales como las que utilizan consultas de SQL (Lenguaje de Consulta Estructurado). Las aplicaciones OLAP pueden procesar 20 000 registros por segundo. Como ya se mencionó, al emplear tablas dimensionales preorganizadas, el único procesamiento es encontrar la tabla que corresponde a las dimensiones y el modo de presentación (como valores o porcentajes) que especificó el usuario. 16 2.2.2. OLAP en acción Las corporaciones manejan OLAP cada vez con mayor frecuencia para obtener eficiencias. Por ejemplo, los ejecutivos en Office Depot Inc. querían saber qué tan bien se desempeñaban los vendedores y las tiendas para realizar venta cruzada de ciertos artículos. Una tienda consigue esto cuando convence a los clientes de comprar papel cuando adquieren plumas o de adquirir periféricos cuando compran una computadora. La compañía utilizó OLAP en su almacén de datos, el cual guarda las transacciones de 1020 tiendas con más de 60 000 empleados en 10 países. Obtener las conclusiones adecuadas ayudó a la compañía a aumentar los ingresos por ventas anuales en $117 millones. La administración ahora conoce mejor los artículos de venta cruzada y, por lo tanto, toma mejores decisiones para colocar estos artículos en anaqueles cercanos. OLAP y técnicas similares ayudan a los administradores y otros usuarios a analizar con rapidez lo que sucede en los negocios. Por ejemplo, considere a CVS, la cadena farmacéutica mayor de Estados Unidos, con ingresos anuales superiores a $22 000 millones y más de 5400 tiendas en 36 estados. La compañía emplea la tecnología OLAP para permitir a cerca de 2000 empleados ejecutar análisis usando más de 4 terabytes de datos. Los administradores preparan con rapidez las cifras y las proporciones acerca de las operaciones de venta en una tienda, el inventario, la rentabilidad, las reseñas de categorías, las calificaciones de los vendedores, la actividad financiera, el flujo de clics en el sitio Web de la empresa y los bienes raíces. CVS tiene una rica fuente de datos de clientes. En el programa de lealtad de clientes tienen más de 50 millones de participantes, la mayor cantidad en Estados Unidos. Los miembros emplean una tarjeta EasyCare en cada compra 17 para obtener descuentos acumulables y CVS puede reunir datos detallados acerca de las compras de los clientes. Los administradores en algunas compañías ahora registran información acerca de sus productos desde la adquisición de materias primas hasta la recepción del pago, no sólo para las operaciones, sino también para aprender más acerca de sus clientes y su propio negocio. Por ejemplo, Ben & Jerry, uno de los mayores fabricantes de helados de Estados Unidos, recopila datos acerca de cada recipiente de helados que vende, comenzando con los ingredientes. Cada recipiente es etiquetado con un número de rastreo, el cual se guarda en una base de datos relacional. Mediante software OLAP, los vendedores rastrean cuánto tardan en popularizarse los nuevos tipos de helados y cuáles se estancan, sobre una base horaria. Al comparar tal información con alrededor de 200 llamadas telefónicas y mensajes de correo electrónico que recibe cada semana la compañía, los administradores determinan cuáles ingredientes de un proveedor pueden haber causado insatisfacción con cierto producto. En la actualidad, los empleados que saben muy poco de programación y diseño de informes descubren que el software BI es cada vez más fácil de usar. Las interfaces inteligentes les permiten introducir preguntas en forma libre o casi. Una parte de la aplicación denominada la capa semántica, examina la pregunta, la cual se escribe como si la persona hablara, la traduce a instrucciones para que la computadora consulte el mercado de datos adecuado por las columnas correctas de un almacén de datos y genera la respuesta, la cual es un número de tablas que muestran tendencias. En pocos segundos un administrador en Land’s End puede determinar qué tipo de pantalones de sarga tuvo 18 mejores ventas para la compañía en las tiendas Sears durante los seis meses anteriores. El software BI se ha vuelto tan popular en las grandes empresas que Microsoft decidió integrar dicho software en su muy conocido sistema de administración de bases de datos, SQL Server. 2.3. Más inteligencia del cliente En varios capítulos se ha analizado la administración de las relaciones con los clientes (CRM). El principal esfuerzo de casi todas las empresas, sobre todo los negocios de menudeo, es recopilar inteligencia de negocios acerca de los clientes. Para este propósito, el software de minería de datos y OLAP se suelen integrar en los sistemas CRM. Debido a que cada vez más transacciones se ejecutan a través de la Web, los administradores emplean datos que ya están en forma electrónica para analizar y preparar estrategias. El desafío es abordar al cliente correcto, en el momento adecuado, con la oferta precisa, en vez de gastar millones de dólares en mercadotecnia de masas o cubrir numerosos sitios Web con anuncios. Muchas empresas descubren que emplear sólo los datos que recopilan en forma directa de los clientes no aporta una imagen completa. Recurren a terceros, compañías que se especializan en recopilar y analizar datos de los clientes de varias fuentes. Empresas como DoubleClick, Engage y Avenue A, utilizan cookies y spyware (explicados en el capítulo 8) para rastrear el flujo de clics de los usuarios de la Web. Al compilar miles de millones de flujos de clics de los clientes y crear modelos de comportamiento, estas empresas pueden determinar los intereses individuales de los clientes a partir de los sitios que visitaron (¿qué les agrada?), la frecuencia de las visitas (¿son leales?), las veces que 19 navegan (¿están en el trabajo o en el hogar?) y la cantidad de veces que hace clic en los anuncios o que terminan una transacción. Después, los sitios exhiben anuncios que coinciden con los intereses típicos en sitios que es probable que los clientes visiten. Manejan software que puede cambiar el anuncio para cada visitante al emplear cookies que identifiquen al usuario. Considere el reto que enfrentaba Drugstore.com, una farmacia que funciona en la Web establecida en Bellevue, Washington. La administración quería llegar a más clientes con probabilidades de adquirir sus productos, pero no tenía las herramientas para descubrir qué personas eran. Si bien Drugstore.com tenía mucha información de los clientes. Nombres, direcciones y una lista de compras anteriores— todavía no sabía dónde con exactitud encontrar a esos clientes en la Web o dónde encontrar más personas con los mismos hábitos de compra. La administración contrató a Avenue A | Razorfish Inc., una empresa que se especializa en perfilar clientes. Los administradores de Avenue A afirman que saben dónde navegan y compran 100 millones de usuarios de la Web. Esta información proviene de los datos que han recopilado durante varios años, no de algún cliente específico. Durante una campaña de mercadotecnia anterior para Drugstore.com, Avenue A había compilado información anónima acerca de cada cliente de Drugstore.com que hizo una compra durante la campaña. Avenue A sabía a cuál anuncio o promoción específicos había respondido un cliente, lo que el cliente había buscado en el sitio de Drugstore.com, si el cliente había hecho una compra y cuántas veces había regresado el cliente a comprar. Mediante su software Web Affinity Analysis, Avenue A pudo rastrear a los clientes individuales de Drugstore.com a través de más de 3000 sitios Web. Después, Avenue A desarrolló temas comunes sobre el comportamiento en línea de los clientes, como los sitios Web que solían visitar, las visitas a las 20 farmacias competidoras en línea y la probabilidad de que esas personas hicieran clic en los anuncios. La compañía dio a Drugstore.com una lista de 1.45 millones de “prospectos de alta calidad”, compradores con un alto potencial de comprar en Drugstore.com. Los administradores de Drugstore.com utilizaron la información para desarrollar una estrategia de mercadotecnia, suponiendo que esas características y hábitos comunes eran compartidos por los clientes todavía no conversos. (Un cliente converso es un comprador convencido de comprar.) El empleo de un software similar ayudó a Eddie Bauer Inc. a disminuir su costo de mercadotecnia por venta 74% en tres meses y el sitio de viajes Expedia Inc. disminuyó su costo por venta en 91% en ocho meses. 2.4. Tableros de instrumentos ejecutivos Con el fin de que la utilización de las herramientas BI sea conveniente para los ejecutivos, las empresas que desarrollan herramientas BI crean interfaces que ayudan a los ejecutivos a captar con rapidez las situaciones empresariales. El nombre popular de dicha interfaz es tablero de instrumentos, porque se parece al tablero de instrumentos de un vehículo. El tablero de instrumentos de un automóvil aporta información como indicadores tipo reloj y medidores. Los tableros de instrumentos de BI emplean imágenes similares. Incluyen indicadores tipo velocímetros para los ingresos, las ganancias y otra información financiera periódica; además de gráficos de barras, de líneas y otras representaciones cuando la información se puede presentar así. La figura 11.4 presenta los tableros de instrumentos de Business Objects y XeoMatrix, proveedores de software BI. Tableros de instrumentos similares son parte de las herramientas BI ofrecidas por otros vendedores como Siebel, Cognos y SAS. Los vendedores de un ERP, como SAP y Oracle, también incluyen tableros de instrumentos en sus aplicaciones. Los tableros de instrumentos se suelen diseñar para presentar con rapidez medidas empresariales predefinidas como la proporción de 21 ocupación en los hoteles y hospitales o la rotación del inventario en la venta al menudeo. En TruServ, una cooperativa de hardware con 7000 minoristas en todo el mundo, los ejecutivos emplean tableros de instrumentos para vigilar los ingresos y las ventas de los artículos individuales. La cooperativa opera tiendas bajo los nombres Trae Value, Grand Rental Station, Taylor Rental, Party Central, Home & Garden Showplace e Induserve Supply. Al emplear el tablero de instrumentos para efectuar análisis, los administradores detectan las tendencias y los cambios en el tiempo y reciben avisos que les ayudan a vigilar, interpretar y tomar decisiones. Rastrean mejor el inventario. En otras épocas, 20% del inventario de la cooperativa estaba en la “zona roja”. El inventario en la zona roja se ha liquidado o vendido con pérdida después de que termina una promoción. El tablero de instrumentos ejecutivos fue fundamental para ayudar a TruServ a reducir 5% este inventario con pérdida. 22 3. ADMINISTRACIÓN DE LOS CONOCIMIENTOS Imagine que trabaja para una empresa consultora. Su supervisor lo asigna a un cliente nuevo. Como profesional inteligente, lo primero que quiere comprobar es si su empresa ha tenido experiencia previa con este cliente y cuáles conocimientos ha acumulado acerca de esa experiencia. Escuchó que dos exempleados tuvieron contacto con este cliente hace varios años. Sería excelente hablar con ellos, pero ya no están. Su conocimiento estaba disponible para la empresa, pero ya no, porque no está registrado en ninguna parte. Los datos registrados sobre las transacciones financieras con este cliente no proporcionan los conocimientos que usted busca: ¿qué tan fácil o difícil fue la interacción con los ejecutivos del cliente? ¿Cuáles son las fortalezas y las debilidades de esa organización? En las empresas de ingeniería, los ingenieros quieren saber si sus colegas ya han encontrado un problema que intentan resolver y cuál fue entonces la solución a este problema. Los profesionales de la IT quieren saber si sus colegas han encontrado una falla repetida similar en un sistema de administración de red. Una organización puede aprender mucho acerca de sus clientes, vendedores y de sí misma al realizar minería de datos en sus almacenes de datos y utilizar software OLAP, pero tales técnicas todavía no satisfacen otro reto importante: cómo administrar el conocimiento, la experiencia acumulada dentro y fuera de la organización. Como se analizó en el capítulo 10, en los sistemas expertos se programan los conocimientos en dominios estrechos se programan. Sin embargo, existen muchos más conocimientos que a las organizaciones les gustaría reunir y administrar. La administración efectiva de los conocimientos ayuda a los empleados y a los clientes. Samuel Johnson, autor de un antiguo diccionario en inglés, dijo que un tipo de conocimiento es lo que sabemos de un tema y el otro tipo es saber dónde 23 encontrar información acerca del tema. El propósito de la administración de los conocimientos es principalmente alcanzar el segundo tipo de conocimiento. La administración de los conocimientos es la combinación de las actividades relacionadas con reunir, organizar, compartir, analizar y difundir el conocimiento para mejorar el desempeño de una organización. La información que se extrae de los datos almacenados es conocimiento, pero a las organizaciones les gustaría almacenar más conocimientos de los que tienen en la actualidad. El conocimiento que no se conserva en los sistemas de información suele ser del tipo que no se extrae con facilidad de los datos capturados en los sitios Web u otros medios de transacciones electrónicos. Se acumula a través de la experiencia. Gran parte de ellos se conserva en la mente de las personas, en notas personales, en transcripciones de discusiones y en otros lugares a los que no tienen acceso los empleados de una compañía. Por lo tanto, la administración de los conocimientos es un gran desafío. La administración de los conocimientos es el intento de las organizaciones por instalar procedimientos y tecnologías para hacer lo siguiente: Transferir los conocimientos individuales a las bases de datos. Filtrar y separar los conocimientos más relevantes. Organizar esos conocimientos en bases de datos que permitan a los empleados una consulta fácil o que “transfieran” los conocimientos específicos a los empleados con base en necesidades especificadas. El software de administración de los conocimientos (KM) facilita estas actividades. Debido a que el costo de los medios de almacenamiento sigue disminuyendo y los paquetes de administración de bases de datos cada vez son más sofisticados y asequibles, el almacenamiento y la organización de la información no estructurada se ha vuelto un desafío menor. El problema más 24 difícil es desarrollar herramientas que aborden el tercer desafío: encontrar con rapidez la información más relevante para resolver problemas. 3.1. Captura y clasificación de los conocimientos organizacionales La compañía de investigación IDC advierte que casi la mitad del trabajo que hacen los trabajadores del conocimiento en las organizaciones ya está hecho, cuando menos en forma parcial. Ese trabajo incluye investigar cierto tema, preparar un informe y proporcionar información como parte de un contrato de consulta. Calcula que se desperdician $3000 a $5000 por trabajador al año debido a que los trabajadores tratan de resolver los mismos problemas que ya han resuelto otros. Las organizaciones pueden salvar esta duplicación al recopilar y organizar los conocimientos adquiridos por los integrantes de la organización. Para transferir los conocimientos a recursos en línea manejables, algunas compañías piden a los trabajadores que preparen informes de sus hallazgos. Otras, sobre todo las consultoras, solicitan a sus empleados que redacten informes sobre las sesiones con los clientes. De cualquier modo que las organizaciones recopilen la información, los resultados pueden ser varios terabytes de conocimiento potencial, pero el desafío para los empleados es saber cómo encontrar las respuestas a preguntas específicas. Para esto, se han desarrollado algunas herramientas de software. Electronic Data Systems Corp. (EDS), una empresa consultora de IT, pide a todos sus 130 000 empleados que llenen un cuestionario en línea acerca de sus actividades una vez al año. Con 20 000 de estos empleados EDS efectúa encuestas tres veces al año. Algunas de las preguntas incluyen respuestas de opción múltiple, lo cual estructura la respuesta y la vuelve fácil de clasificar y analizar, pero algunas de las respuestas más valiosas están en forma de texto libre. En el pasado, esta parte era enviada a los 25 administradores que aprendían y extraían conclusiones de ella. Ahora, la compañía emplea un sistema automatizado, PolyAnalyst de Megaputer Intelligence, Inc., para clasificar la información de texto y crear vínculos entre los temas. (Consulte más detalles acerca del software en el caso práctico de Safety Net al final del capítulo). Motorola, el gigante fabricante de equipo de comunicaciones, tiene 4 terabytes de datos dirigidos por una aplicación de administración de los conocimientos. La aplicación permitió a los ingenieros consultar este inmenso recurso. Sin embargo, a menos que un trabajador sepa con exactitud dónde estaban los datos adecuados o los nombres de las personas que estaban en el equipo que resolvió el problema que enfrentaban, el trabajador no podía encontrar una respuesta correcta. Motorola decidió implementar Watson, una aplicación desarrollada por Intellext. Watson se instaló en las PC de los empleados. Está incrustado en Microsoft Word, PowerPoint y Outlook. Analiza el documento de un empleado mientras lo escribe, crea una consulta automática acerca del tema, busca en el programa de KM y extrae de ahí la información que se puede aplicar a la tarea en curso. 3.2. Redes de conocimientos de los empleados Si bien algunas herramientas desarrollan bases de conocimientos y ayudan a los empleados a consultarlas, otras se concentran en dirigir a los empleados a otros empleados que tienen ciertos conocimientos. La ventaja de este método es que un experto aporta conocimientos que no han sido capturados en los sistemas de información (consulte la figura 11.5). Las empresas grandes, sobre todo las que tienen varios sitios Web, suelen desperdiciar dinero porque los empleados en una unidad organizacional no desconocen la experiencia de los empleados en otra unidad. Por ejemplo, una empresa energética gastó $1 millón en un producto diseñado para funcionar en las 26 plataformas petroleras con el fin de evitar que cayeran sedimentos a los pozos. Cuando el equipo fue instalado, presentó fallas. Los ejecutivos de otra unidad decidieron comprar el mismo equipo, el cual, por supuesto, presentó fallas en el otro lugar. Después una tercera unidad, en otra parte, compró el equipo, el cual volvió a presentar fallas. Si bien es posible justificar la pérdida del primer millón de dólares como un gasto empresarial legítimo al probar un producto, los otros $2 millones se perdieron porque quienes toman las decisiones no sabían que el equipo ya había sido probado y había fallado. Para subsanar problemas similares, ciertas empresas de software, como Tacit Systems Inc., AskMe Corporation, Participate Systems Inc. y Entopia Inc., han desarrollado redes de conocimientos de empleados, herramientas que facilitan compartir los conocimientos mediante redes internas. Recuerde que una red interna emplea tecnologías Web para conectar a los empleados de la misma organización. 27 La herramienta ActiveNet de Tacit Systems procesa sin cesar el correo electrónico, los documentos y otras comunicaciones empresariales y “descubre” en forma automática el enfoque laboral, los conocimientos y las relaciones empresariales de cada empleado. La herramienta “extrae” estos datos no estructurados para desarrollar un perfil de cada empleado en términos de temas e intereses. La meta es asegurar que dos personas que pueden aprovechar la creación de una conexión en un lugar de trabajo lo hagan, para que una aprenda de la experiencia de la otra sobre un tema específico. Al analizar el correo electrónico y los documentos, la herramienta extrae los intereses y las soluciones a los problemas del empleado, y esa información se incorpora al perfil del empleado. Otros empleados que buscan información pueden consultar el perfil, pero no pueden ver el documento original creado por el empleado. Esto asegura que no se inhiban las lluvias de ideas y las comunicaciones. El software AskMe también detecta y captura palabras clave del correo electrónico y los documentos creados por los empleados. Desarrolla una base de conocimientos que contiene los nombres de los empleados y sus intereses. Un empleado puede consultar una página Web donde introduce una pregunta libre. El software corresponde con una lista de otros empleados que han creado correo electrónico, documentos o presentaciones sobre el tema y los temas de su trabajo. El empleado puede observar los perfiles de actividades de estas personas y comunicarse con ellas, a través del sitio Web, por correo electrónico, mensajes instantáneos o por localizadores de personas (buscapersonas). La persona buscada emplea el mismo sitio Web para responder y adjuntar conocimientos que pueden ayudar a quien consulta. La herramienta AskMe captura la comunicación, incluyendo los documentos adjuntos y los agrega a la base de conocimientos. (Observe que, en este contexto, la base de 28 conocimientos no se organiza igual que las bases de conocimientos en los sistemas expertos). 3.3. Conocimiento desde la Web Los clientes envían sus opiniones sobre los productos y servicios en la Web. Algunos lo hacen en el sitio del vendedor, otros en sitios de evaluación general de productos, como epinions.com y algunos en los blogs. Según ciertos estimados, las opiniones de los clientes las expresan en más de 550 000 millones de páginas Web. Esta información es difícil de localizar y está muy poco estructurada. Si las organizaciones pudieran extraer conocimientos de ella podrían aprender mucho más que de los estudios de investigación de mercados que aplican, como los grupos de enfoque, tanto acerca de sus productos como de los de la competencia. Algunas compañías han desarrollado herramientas de software que buscan dicha información y extraen conocimientos empresariales valiosos de ella. Por ejemplo, Accenture Technology Labs, la unidad de investigación y desarrollo tecnológico de la empresa consultora Accenture, desarrolló Online Audience Analysis. 29 30 La herramienta busca en miles de sitios Web a diario y recuperan información predeterminada acerca de productos y servicios específicos. Después emplea técnicas de minería de datos para ayudar a las organizaciones a comprender lo que los clientes dicen acerca de las marcas y los productos corporativos. Factiva, una subsidiaria de Dow Jones & Reuters, promueve una herramienta de software del mismo nombre, la cual se consulta en un sitio Web y reúne información en línea de más de 9000 fuentes —periódicos, datos del mercado y servicios de noticias de millones de documentos. El público en general no puede consultar alrededor de 60% de la información. Busca en todos los segmentos de información nueva publicados en cualquiera de estos sitios Web la información especificada por una organización suscriptora. La búsqueda es más precisa y específica que las realizadas mediante los motores de búsqueda gratuitos como Google y Yahoo! El software ayuda a las organizaciones a aumentar su base de conocimientos, sobre todo en términos de lo que otros dicen acerca de sus productos y servicios. La herramienta toma en cuenta factores como la industria y el contexto en donde trabaja la persona que consulta para elegir y proporcionar la información adecuada. Por ejemplo, una palabra clave como “Apple” (manzana) significa una cosa para un empleado de una organización de hardware o software y algo completamente distinto para un empleado en agricultura o una cadena de supermercados. 3.4. Autoclasificación Para clasificar el conocimiento en datos manejables, las empresas emplean software de autoclasificación. La autoclasificación automatiza la clasificación de los datos en categorías para una consulta futura. Prácticamente todos los sitios con un motor de búsqueda, como Google y Yahoo!, emplean software de autoclasificación y siguen mejorando el software para proporcionar 31 respuestas más precisas y rápidas a las consultas. Muchas empresas han instalado dichos software en sus sitios Web corporativos. Por ejemplo, U.S. Robotics (USR), un importante fabricante de dispositivos para conexión en red, opera en un mercado con márgenes de ganancia estrechos y, por lo tanto, una llamada al personal de soporte acerca de un artículo adquirido puede eliminar la ganancia sobre esa venta. Por lo tanto, la reducción de la mano de obra de soporte es importante. Las encuestas de la empresa mostraron que 90% de los clientes que llaman a soporte técnico habían visitado el sitio Web de USR antes de llamar. USR adquirió software de autoclasificación de iPhrase Technologies, Inc., para ayudar a los clientes a buscar respuestas a sus preguntas en el sitio Web, de modo que no tuvieran que llamar al personal de soporte. El software mejoró la exactitud y la capacidad de respuesta de la base de datos de soporte en el sitio Web de USR. En consecuencia, las llamadas para soporte disminuyeron un tercio y la empresa ahorra más de $135 000 cada mes. Google, Yahoo! y otras compañías en la industria de los motores de búsqueda han desarrollado aplicaciones que examinan los documentos en línea y fuera de línea, los clasifican y ayudan a los usuarios con vínculos a los documentos más relevantes. Estas compañías venden sus productos para que las corporaciones los empleen en sus sitios Web, redes internas y redes externas. 32 33 4. RESUMEN La inteligencia de negocios (BI) es cualquier información acerca de la organización, clientes y sus proveedores, que ayudan a las empresas a tomar decisiones. En años recientes, las organizaciones han implementado herramientas de software BI cada vez más sofisticadas. La minería de datos es el proceso de seleccionar, explorar y modelar grandes cantidades de datos para descubrir relaciones antes desconocidas que apoyan la toma de decisiones. La minería de datos permite el análisis de secuencias, la clasificación, el agrupamiento y la predicción. La minería de datos es útil en actividades como predecir el comportamiento de los clientes y detectar fraudes. El procesamiento analítico en línea (OLAP) ayuda a que los usuarios examinen tablas en dos dimensiones creadas a partir de los datos que se guardan en los almacenes de datos. Se dice que las aplicaciones OLAP ofrecen un cubo virtual que el usuario puede girar de una tabla a otra. El OLAP emplea bases de datos dimensionales o calcula las tablas especificadas en ese momento. El OLAP facilita la profundización, el pasar de una visión amplia de la información a información cada vez más detallada acerca de un aspecto específico de los negocios. 34 Los tableros de instrumentos ejecutivos son una interfaz con las herramientas de software BI que ayudan a los empleados a recibir con rapidez información como las medidas empresariales. La administración de los conocimientos implica reunir, organizar, compartir, analizar y divulgar conocimientos que mejoran el desempeño de una organización. El principal desafío en la administración de los conocimientos es identificar y clasificar la información útil que se va a extraer de fuentes no estructuradas. Casi todos los conocimientos no estructurados están en textos, dentro de una organización y en archivos disponibles para el público en la Web. Las redes de conocimientos de los empleados son herramientas de software que ayudan a los empleados a encontrar a otros colaboradores que tienen conocimientos en ciertas áreas de la consulta. Un elemento importante de la administración de los conocimientos es la autoclasificación, la clasificación automática de la información. La autoclasificación se ha empleado en páginas Web de soporte al cliente en línea para reducir la mano de obra dedicada a ayudar a los clientes a resolver problemas. 35
