INDICADORES CLAVE DE RENDIMIENTO

5.4 INDICADORES CLAVE DE RENDIMIENTO (KPI)

El término KPI (Indicadores clave de desempeño) es uno de los conceptos que más se escuchan al planificar estrategias, diseños o implantación de campañas. En primer lugar, es importante conocer que este fundamento se puede utilizar para actividades online y las tradicionales off line, como también en el social media.

La sigla KPI se obtiene de la traducción del término “Key Performance Indicators”, que traducido al español significaría “indicadores claves de desempeño”. En síntesis, este concepto hace referencia a todas las variables, factores o unidades de medida, entre otras cosas, que puedan servir para armar la estrategia de cada empresa. Al tener esta importancia, es normal que influye directamente en el denominado “Core Business”.

Estos conceptos están asociados directamente a la marcación y planificación que se realiza anualmente. A través de estos datos, se puede hacer un seguimiento o control de la salud que tiene el modelo de negocio que se eligió.

Al hablar de KPI, se hace referencia a términos medibles y cuantificables con los que se puede determinar numéricamente una variable. Algunos de los ejemplos son los gastos, ingresos y números de visitas que son importantes para conocer el cumplimiento, o no, de los objetivos puestos en cada temporada.

Al armar un KPI, se debe tener en cuenta algunos requisitos fundamentales. En primer lugar, debe ser medible a través de alguna moneda u objeto. Lo que sea, pero debe poder medirse. Lo mismo ocurre al materializarse. Debe ser cuantificable en su categoría.

A lo anterior se suma que debe ser periódico o temporal para que pueda ser controlado o analizado en un periodo de tiempo determinado y debe estar dirigido a un área sola. Ejemplo: debe hablar solo de un aspecto, como lo puede ser la parte de ingresos. Por último, tiene que ser relevante en el negocio. Y en caso de mostrar resultados negativos, se debe actuar rápidamente.

Al observar la práctica, es muy común que esta información sea utilizada en exceso. Por esta razón, suele ocurrir que el rendimiento es analizado por cualquier tipo de datos obtenidos. Para evitar esto, hay que utilizar solamente lo que se necesita y lo más importante para cada negocio. Una vez obtenido esto, hay que focalizar y potenciar estos indicadores de rendimiento.

El objetivo de utilizar esta técnica es tener un control del rendimiento de cada empresa. De esta forma se evalúa el trabajo y las mejoras que existieron. Para esto, hay que tener en claro tres factores:

Informes que sean claros, para que puedan demostrar cada acción. De esta forma, los clientes entenderán el informe sin necesidad de ayuda.

Control y análisis profundo del seguimiento que se hizo en el trabajo. Tener los datos exactos de la actividad que se realiza mejora el resultado final de estas estadísticas. Aquí se obtiene la valoración exacta de lo que se hizo.

Aprender a diario y mejorar lo máximo posible. A través de los KPI se obtiene realmente lo importante para cada empresa. A diario se aprende sobre lo bueno de cada negocio y las acciones que hay continuar porque generan buenos resultados.

5.3.2 TABLEROS DE CONTROL.

El tablero de control (TC) es una herramienta, del campo de la administración de empresas, aplicable a cualquier organización y nivel de la misma, cuyo objetivo y utilidad básica es diagnosticar adecuadamente una situación. Se lo define como el conjunto de indicadores cuyo seguimiento y evaluación periódica permitirá contar con un mayor conocimiento de la situación de su empresa o sector apoyándose en nuevas tecnologías informáticas.

El diagnóstico y monitoreo permanente de determinados indicadores e información ha sido y es la base para mantener un buen control de situación en muchas de las disciplinas de la vida. Como ejemplo de estos podemos señalar a la: medicina, basada en mediciones para el diagnóstico de la salud de los pacientes, a la aviación, cuyos indicadores de tablero de control sintetiza la información del avión y del entorno para evitar sorpresas y permite a los pilotos dirigir el avión a buen puerto; el tablero de un sistema eléctrico o de una represa son otros ejemplos. En todos estos casos el Tablero permite a través del color de las luces y alarmas ser el disparador para la toma de decisiones.

A partir de la experiencia de implementación y de las diferentes necesidades de las empresas me he encontrado con la posibilidad de implementar cuatros tipos genéricos de Tableros:

·      Tablero de Control Operativo: Es aquel que permite hacer un seguimiento, al menos diario, del estado de situación de un sector o proceso de la empresa, para poder tomar a tiempo las medidas correctivas necesarias. El Tablero debe proveer la información que se necesita para entrar en acción y tomar decisiones operativas en áreas como las finanzas, compras, ventas, precios, producción, logística, etc.

·         Tablero de Control Directivo: Es aquel que permite monitorear los resultados de la empresa en su conjunto y de los diferentes temas claves en que se puede segmentarse.

·         Tablero de Control Estratégico: Nos brinda la información interna y externa necesaria para conocer la situación y evitar llevarnos sorpresas desagradables importantes respecto al posicionamiento estratégico y a largo plazo de la empresa.

·         Tablero de Control Integral: Información relevantes para que la alta dirección de una empresa pueda conocer la situación integral de su empresa. Engloba a las tres perspectivas anteriores.

5.3.1 ALMACENES DE DATOS (DATA WARE HOUSE)

Un Datawarehouse es una base de datos corporativa que se caracteriza por integrar y depurar información de una o más fuentes distintas, para luego procesarla permitiendo su análisis desde infinidad de perspectivas y con grandes velocidades de respuesta. La creación de un datawarehouse representa en la mayoría de las ocasiones el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence.

La ventaja principal de este tipo de bases de datos radica en las estructuras en las que se almacena la información (modelos de tablas en estrella, en copo de nieve, cubos relacionales... etc.). Este tipo de persistencia de la información es homogénea y fiable, y permite la consulta y el tratamiento jerarquizado de la misma (siempre en un entorno diferente a los sistemas operacionales).

El término Datawarehouse fue acuñado por primera vez por Bill Inmon, y se traduce literalmente como almacén de datos. No obstante, y como cabe suponer, es mucho más que eso. Según definió el propio Bill Inmon, un datawarehouse se caracteriza por ser:

Integrado: los datos almacenados en el datawarehouse deben integrarse en una estructura consistente, por lo que las inconsistencias existentes entre los diversos sistemas operacionales deben ser eliminadas. La información suele estructurarse también en distintos niveles de detalle para adecuarse a las distintas necesidades de los usuarios.

Temático: sólo los datos necesarios para el proceso de generación del conocimiento del negocio se integran desde el entorno operacional. Los datos se organizan por temas para facilitar su acceso y entendimiento por parte de los usuarios finales. Por ejemplo, todos los datos sobre clientes pueden ser consolidados en una única tabla del datawarehouse. De esta forma, las peticiones de información sobre clientes serán más fáciles de responder dado que toda la información reside en el mismo lugar.

Histórico: el tiempo es parte implícita de la información contenida en un datawarehouse. En los sistemas operacionales, los datos siempre reflejan el estado de la actividad del negocio en el momento presente. Por el contrario, la información almacenada en el datawarehouse sirve, entre otras cosas, para realizar análisis de tendencias. Por lo tanto, el datawarehouse se carga con los distintos valores que toma una variable en el tiempo para permitir comparaciones.

No volátil: el almacén de información de un datawarehouse existe para ser leído, pero no modificado. La información es por tanto permanente, significando la actualización del datawarehouse la incorporación de los últimos valores que tomaron las distintas variables contenidas en él sin ningún tipo de acción sobre lo que ya existía.

Otra característica del datawarehouse es que contiene metadatos, es decir, datos sobre los datos. Los metadatos permiten saber la procedencia de la información, su periodicidad de refresco, su fiabilidad, forma de cálculo... etc.

Los metadatos serán los que permiten simplificar y automatizar la obtención de la 

información desde los sistemas operacionales a los sistemas informacionales.

Los objetivos que deben cumplir los metadatos, según el colectivo al que va dirigido, son:

·         Dar soporte al usuario final, ayudándole a acceder al datawarehouse con su propio lenguaje de negocio, indicando qué información hay y qué significado tiene. Ayudar a construir consultas, informes y análisis, mediante herramientas de Business Intelligence como DSS, EIS o CMI.

·         Dar soporte a los responsables técnicos del datawarehouse en aspectos de auditoría, gestión de la información histórica, administración del datawarehouse, elaboración de programas de extracción de la información, especificación de las interfaces para la realimentación a los sistemas operacionales de los resultados obtenidos... etc.

Por último, destacar que para comprender íntegramente el concepto de datawarehouse, es importante entender cuál es el proceso de construcción del mismo, denominado ETL (Extracción, Transformación y Carga), a partir de los sistemas operaciones de una compañía:

Extracción: obtención de información de las distintas fuentes tanto internas como externas.

Transformación: filtrado, limpieza, depuración, homogeneización y agrupación de la información.

Carga: organización y actualización de los datos y los metadatos en la base de datos.

Las claves del éxito en la construcción de un datawarehouse es el desarrollo de forma gradual, seleccionando a un departamento usuario como piloto y expandiendo progresivamente el almacén de datos a los demás usuarios. Por ello es importante elegir este usuario inicial o piloto, siendo importante que sea un departamento con pocos usuarios, en el que la necesidad de este tipo de sistemas es muy alta y se pueda obtener y medir resultados a corto plazo.

Principales aportaciones de un datawarehouse:

Proporciona una herramienta para la toma de decisiones en cualquier área funcional, basándose en información integrada y global del negocio.

Facilita la aplicación de técnicas estadísticas de análisis y modelización para encontrar relaciones ocultas entre los datos del almacén; obteniendo un valor añadido para el negocio de dicha información.

Proporciona la capacidad de aprender de los datos del pasado y de predecir situaciones futuras en diversos escenarios.

Simplifica dentro de la empresa la implantación de sistemas de gestión integral de la relación con el cliente.

Supone una optimización tecnológica y económica en entornos de Centro de Información, estadística o de generación de informes con retornos de la inversión espectaculares.

5.3 SISTEMAS DE SOPORTE A LA DECISIÓN.

Un Sistema de Soporte a la Decisión (DSS) es una herramienta de Business Intelligence enfocada al análisis de los datos de una organización.

El DSS es una de las herramientas más emblemáticas del Business Intelligence ya que, entre otras propiedades, permiten resolver gran parte de las limitaciones de los programas de gestión. Estas son algunas de sus características principales:

Informes dinámicos, flexibles e interactivos, de manera que el usuario no tenga que ceñirse a los listados predefinidos que se configuraron en el momento de la implantación, y que no siempre responden a sus dudas reales.

No requiere conocimientos técnicos. Un usuario no técnico puede crear nuevos gráficos e informes y navegar entre ellos, haciendo drag&drop o drill through. Por tanto, para examinar la información disponible o crear nuevas métricas no es imprescindible buscar auxilio en el departamento de informática.

Rapidez en el tiempo de respuesta, ya que la base de datos subyacente suele ser un datawarehouse corporativo o un datamart, con modelos de datos en estrella o copo de nieve. Este tipo de bases de datos están optimizadas para el análisis de grandes volúmenes de información (vease análisis OLTP-OLAP).

Integración entre todos los sistemas/departamentos de la compañía. El proceso de ETL previo a la implantación de un Sistema de Soporte a la Decisión garantiza la calidad y la integración de los datos entre las diferentes unidades de la empresa. Existe lo que se llama: integridad referencial absoluta.

Cada usuario dispone de información adecuada a su perfil. No se trata de que todo el mundo tenga acceso a toda la información, sino de que tenga acceso a la información que necesita para que su trabajo sea lo más eficiente posible.

Disponibilidad de información histórica. En estos sistemas está a la orden del día comparar los datos actuales con información de otros períodos históricos de la compañía, con el fin de analizar tendencias, fijar la evolución de parámetros de negocio... etc.

El principal objetivo de los Sistemas de Soporte a Decisiones es, a diferencia de otras herramientas como los Cuadros de Mando (CMI) o los Sistemas de Información Ejecutiva (EIS), explotar al máximo la información residente en una base de datos corporativa (datawarehouse o datamart), mostrando informes muy dinámicos y con gran potencial de navegación, pero siempre con una interfaz gráfica amigable, vistosa y sencilla.

Otra diferencia fundamental radica en los usuarios a los que están destinadas las plataformas DSS: cualquier nivel gerencial dentro de una organización, tanto para situaciones estructuradas como no estructuradas. (En este sentido, por ejemplo, los CMI están más orientados a la alta dirección).

Por último, destacar que los DSS suelen requerir (aunque no es imprescindible) un motor OLAP subyacente, que facilite el análisis casi ilimitado de los datos para hallar las causas raíces de los problemas/pormenores de la compañía.

Tipos de Sistemas de Soporte a Decisiones:

Sistemas de información gerencial (MIS)

Los sistemas de información gerencial (MIS, Management Information Systems), tambien llamados Sistemas de Información Administrativa (AIS) dan soporte a un espectro más amplio de tareas organizacionales, encontrándose a medio camino entre un DSS tradicional y una aplicación CRM/ERP implantada en la misma compañía.

Sistemas de información ejecutiva

Los sistemas de información ejecutiva (EIS, Executive Information System) son el tipo de DSS que más se suele emplear en Business Intelligence, ya que proveen a los gerentes de un acceso sencillo a información interna y externa de su compañía, y que es relevante para sus factores clave de éxito.

Sistemas expertos basados en inteligencia artificial (SSEE)

Los sistemas expertos, también llamados sistemas basados en conocimiento, utilizan redes neuronales para simular el conocimiento de un experto y utilizarlo de forma efectiva para resolver un problema concreto. Este concepto está muy relacionado con el datamining.

Sistemas de apoyo a decisiones de grupo (GDSS)

Un sistema de apoyo a decisiones en grupos (GDSS, Group Decision Support Systems) es "un sistema basado en computadoras que apoya a grupos de personas que tienen una tarea (u objetivo) común, y que sirve como interfaz con un entorno compartido". El supuesto en que se basa el GDSS es que si se mejoran las comunicaciones se pueden mejorar las decisiones.

5.2 Herramientas tecnológicas de BI

La inteligencia de negocios (BI) es un proceso impulsado por la tecnología para analizar los datos y la presentación de información procesable para ayudar a los ejecutivos corporativos, administradores de empresas y otros usuarios finales tomar decisiones de negocio más informadas. BI abarca una variedad de herramientas, aplicaciones y metodologías que permiten a las organizaciones para recopilar datos de los sistemas internos y fuentes externas, prepararlo para el análisis, desarrollar y ejecutar consultas en los datos y crear informes, cuadros de mando y visualizaciones de datos para hacer que los resultados analíticos disponibles a los tomadores de decisiones corporativas, así como trabajadores operativos.

Actualmente, las herramientas de BI disponibles en el mercado son incontables, pero estas 20 no pueden pasar desapercibidas:

1. Microsoft Dynamics NAV: especial para pequeñas y medianas empresas que buscan mejorar su competitividad.

2. Microsoft Dynamics CRM: efectiva para la administración de clientes.

3. Oracle Business Intelligence: una de las más completas en el mercado ya que cuenta 

con paneles interactivos, análisis predictivos en tiempo real, entre otros.

4. Ultimus: un entorno integrado que permite compartir información entre aplicaciones.

5. Office SharePoint Server: facilita el acceso a la información en cualquier momento y lugar.

6. QlikView: mantiene las bases de datos al alcance de una manera sin precedentes.

7. Microsoft Performance Point Server: permite supervisar, alinear y hacer un plan de negocio.

8. Microsoft SQL Server: adecuada para realizar un análisis panorámico de la empresa y tomar las mejores decisiones.

9. JetReports: especial para crear informes ERP.

10. Eclipse BIRT Project: genera informes para aplicaciones web de código abierto.

11. JasperReports: permite crear informes de rápida impresión.

12. LogiReport: aplicación gratuita basada en web de LogiXML

13. OpenI: aplicación web orientada al reporting OLAP.

14. SPSS: programa estadístico especialmente empleado en ciencias sociales e investigaciones de mercado.

15. Pentaho: incluye herramientas para generar informes, minería de datos, ETL, entre otros.

16. RapidMiner: permite analizar datos a través de un entorno gráfico.

17. Crystal Reports: genera informes desde bases de datos múltiples.

18. ApeSoft: ofrece una interface sencilla similar a Microsoft Excel.

19. SAS Institute: facilita la gestión de riesgo financiero, desarrollo de modelos de minería de datos, etc.

20. NiMbox: organiza los datos de la empresa en interactivas aplicaciones.

5.1. INTRODUCCIÓN A LA INTELIGENCIA DE NEGOCIOS (BI)

Business Intelligence es la habilidad para transformar los datos en información, y la información en conocimiento, de forma que se pueda optimizar el proceso de toma de decisiones en los negocios.

Desde un punto de vista más pragmático, y asociándolo directamente con las tecnologías de la información, podemos definir Business Intelligence como el conjunto de metodologías, aplicaciones y tecnologías que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada (interna y externa a la compañía) en información estructurada, para su explotación directa (reporting, análisis OLTP / OLAP, alertas...) o para su análisis y conversión en conocimiento, dando así soporte a la toma de decisiones sobre el negocio.

La inteligencia de negocio actúa como un factor estratégico para una empresa u organización, generando una potencial ventaja competitiva, que no es otra que proporcionar información privilegiada para responder a los problemas de negocio: entrada a nuevos mercados, promociones u ofertas de productos, eliminación de islas de información, control financiero, optimización de costes, planificación de la producción, análisis de perfiles de clientes, rentabilidad de un producto concreto, etc...

Los principales productos de Business Intelligence que existen hoy en día son:

·        Cuadros de Mando Integrales (CMI) 

·        Sistemas de Soporte a la Decisión (DSS)  

·        Sistemas de Información Ejecutiva (EIS) 

Por otro lado, los principales componentes de orígenes de datos en el Business Intelligence que existen en la actualidad son:

·        Datamart  

·        Datawarehouse 

Los sistemas y componentes del BI se diferencian de los sistemas operacionales en que están optimizados para preguntar y divulgar sobre datos. Esto significa típicamente que, en un datawarehouse, los datos están desnormalizados para apoyar consultas de alto rendimiento, mientras que en los sistemas operacionales suelen encontrarse normalizados para apoyar operaciones continuas de inserción, modificación y borrado de datos. 

En este sentido, los procesos ETL (extracción, transformación y carga), que nutren los sistemas BI, tienen que traducir de uno o varios sistemas operacionales normalizados e independientes a un único sistema desnormalizado, cuyos datos estén completamente integrados.

En definitiva, una solución BI completa permite:

·  Observar ¿qué está ocurriendo?

·  Comprender ¿por qué ocurre?

·  Predecir ¿qué ocurriría?

·  Colaborar ¿qué debería hacer el equipo?

·  Decidir ¿qué camino se debe seguir?