Proceso de decisión de Plataformas

1. Proceso de decisiónde Plataformas III FORO DE INTELIGENCIA DE NEGOCIO Madrid, 21 de Febrero de 2006 Soluciones vs. Suites de aplicaciones Fernando Alvarez Fernández NEGYTEC

2. Indice • Metodología • Inteligencia de negocio: Inicios (1996) • Inteligencia de negocio: Evolución y situación actual • Inteligencia de negocio: Perspectivas • Identificación de necesidades / Valoración de productos • Soluciones vs. Suites de aplicaciones • Tendencias del mercado

3. Metodología El proceso de decisión para la selección de una plataforma es independiente del tipo de plataforma en su esquema conceptual de desarrollo, debiendo abordarse siempre los siguientes pasos: • Conocimiento detallado de la plataforma a seleccionar. • Conocimiento del ámbito de negocio • Conocimiento del entorno tecnológico y sus posibilidades. • Perspectivas de evolución • Conocimiento detallado de nuestras necesidades • Requerimientos usuarios finales • Requerimientos tecnológicos. • Condicionantes de la organización • Definición de las dimensiones para ponderación de soluciones / suites • Matriz básica • Matriz compleja • Presentaciones de vendedores y proveedores • Análisis y decisión final ... y con estos pasos podríamos abordar la selección de cualquier plataforma (ERP, gestor de contenidos, CPM, etc.)

4. Inteligencia de Negocio: Inicios (1996) La “Inteligencia de Negocio” se definía como la habilidad de consolidar información y analizarla con la suficiente velocidad y precisión para descubrir mejoras y tomar decisiones que favorecieran ventajas competitivas. Almacena informaciónhistórica(time-variant) Integra estrategia, procesos y tecnología (business-oriented) Asegura la integridad y calidad de los datos(data quality) Garantiza la continuidadde la información(non-volatile data) • Es una forma de trabajo que actúa como elemento catalizador de los procesos de cambio • No se debe confundir con un conjunto de tecnologías, aunque depende en gran medida de los avances en este campo • Analiza funciones cruzadas de negocio: Los datos se almacenan en base a criterios que permiten obtener una visión global del negocio • Elimina incongruencias por la utilización de datos de diversas fuentes • Aplica criterios consistentes de nomenclatura • Optimiza las estructuras de codificación • Comprueba las diferentes unidades de información • La información se considera a largo plazo (de 5 a 10 años) • Permite análisis sofisticados de:- Evolución de tendencias- Análisis comparativos- Variaciones estadísticas • Facilita el tratamiento de la información, manteniendo la unicidad de los datos • La información puede obtenerse cuando se considera necesario • Permite distintos enfoques del mismo problema de negocio

5. Inteligencia de Negocio: Inicios (1996) Los sistemas transaccionales tradicionales eran poco eficientes para sintetizar un gran volumen de datos, realizar análisis multidimensionales para el estudio de tendencias y tomar decisiones de forma rápida y efectiva. Factores discriminantes en el tratamiento de la información Nivel Operativo Nivel de Toma de Decisión Orientada a los procesos Dinámica Normalizada (OLTP) Repetitivos Reducido Variado Inmediata Orientada al negocio Estática Desnormalizada (OLAP) Analíticos o heurísticos Históricos Relacional, Multidimensional Según criterios Enfoque Flujo Estructura de datos Procesos Universo temporal Modelo de datos Disponibilidad Ámbito de aplicación“Inteligencia de Negcio” Ámbito de aplicaciónorientado a transacciones

6. 3 1 2 n Inteligencia de Negocio: Inicios (1996) La “Inteligencia de Negocio” se crea identificando las necesidades TOP-DOWN de información de los decisores, contrastando estas necesidades con las disponibilidades en el ámbito operativo y añadiendo los datos externos e históricos de las fuentes apropiadas… Manipulación(Decisores) Nivel Estratégico (Unidades de negocio) Nivel Táctico (Objetos de negocio) DataWarehouse Modelización (Meta-Datos) Nivel Operativo Transformación/Integración Fuentes de Datos vs Niveles Corporativos (Usuario final) Flujo de procesos (Perspectiva TI)

7. Inteligencia de Negocio: Inicios (1996) Lo que implicaba un planteamiento de negocio con los siguientes modelos que debían ser definidos antes de comenzar a seleccionar la plataforma tecnológica. Modelo deNegocio Modelo de datos Modelo de distribución Modelo de decisión Aspectos Clave Inteligencia de Negocio Data Marts DecisionMaking EISDSS Sistemas Fuente DataDistribution Data Management Data Warehouse Otras Fuentes (externas) DataAnalysis Data mining Data surfing - AEB - Demográficas - B.D. Riesgos - Prospects - Reuters - ..... • Definición de objetos de negocio • Integración y transformación de los datos operativos en datos analíticos destinados a los procesos de decisión • Construcción de los metadatos, que constituyen la base del “Data Warehouse” Information Management • Distribución inteligentede datos para facilitar a cada centro decisor la información específica que necesite tratar • Obtención de valor añadido dentro del negocioPuede realizarse de dos formas: - Facilitando un acceso rápido y sencillo a los datos mediante el uso de diferentes herramientas - Tratando la información para conseguir: . Una visión global (Data Surfing) . Una profundización en el análisis de los datos (Data Mining) Procesos Básicos de la “Inteligencia de Negocio”

8. Inteligencia de Negocio: Inicios (1996) Dentro del proceso de selección de Hardware y Software, y en función de los requerimientos que se habían establecido, había que tener en cuenta la utilización de diferentes tecnologías. Tecnologíaempleada Selección de Orientada a Ventajas Inconvenientes • Escalabilidad ilimitada • Altos niveles de funcionalidad • Rapidez y rendimiento para los propósitos a los que está orientada • Coste elevado de componentes hardware • Tecnología emergente • Pocos proveedores de software • Interrogaciones complejas a Bases de Datos • Data mining , DSS, EIS MPP - MassivelyParallell ProcessingSMP - SymmetricMultiprocessing Hardware • Tecnología estable y bien soportada • Buen ratio Precio/Rendimiento, comparado con hardware MPP • Posibilidad de incorporar las capacidades requeridas para Data Warehouse utilizando software específico • Gran volumen de transaccionesde teleproceso • Escalabilidad limitada • “Queries” a aplicaciones convolúmenes de datos elevados yrelaciones relativamentesimples entre ellos • Análisis en tiempo real • Portabilidad. Todos los software obedecen a un modelo relacional • Se accede siempre con un lenguajeSQL estándar • Permite cambios estructurales muyrápidos en las dimensiones de datos • Las librerías de funciones de cálculo estándar son limitadas • Bajo rendimiento con cálculos complejos Software (*) Las herramientasdescritas en elapartado anterior utilizan combinaciones de ambas tecnologías Relational/OLAP - On Line Analytical Process MDD - Multidimensional Data Base • “Queries” cruzados de grancomplejidad a un volumende datos no elevado • Modelización. Predicción, análisis de tendencias y estadístico • Data Marting • Carencia de un modelo multidimensional común • Falta de un método estándar de acceso a los datos • Limitaciones en el rendimiento para queries que requieren cruces de información de distintas tablas • Rendimiento espectacular de los queries si el diseño obedece al modo en que se accede a los datos

9. Inteligencia de Negocio: Inicios (1996) Ninguna suite de aplicaciones soportaba de forma consistente el rango completo de requerimientos para el tratamiento de los datos. Data Marts DecisionMaking EISDSS Sistemas Fuente DataDistribution Data Management Data Warehouse Otras Fuentes (externas) DataAnalysis Data mining Data surfing • Bases de Datos para“Inteligencia de Negocio” • Comerciales • Terabytes - DB2 • > 100 Gb - Oracle, Informix • > 40 Gb - Sybase, CA-Ingres, Microsoft SQL Server • Especializadas • Redbrick • Propietarias • Tandem non-stop SQL, Teradata • Multidimensionales • EssBase, Express, Gentium, DSS, Commander OLAP • Productos existentes en el mercado: 25 • Productos ETL (Extraction, Transform and Load): • Prism • Intelligent Warehouse • Platinum • Productos existentes en elmercado: 10 • Herramientas de Toma de Decisiones • Altamente sofisticadas - Decision Suite, DSS Agent • Moderadamente sofisticadas - Business Objects, Forest and Trees • Sencillas - Powerbuilder, VB,... • Productos existentes en el mercado: 20 • Herramientas de Data Mining • AcuStar, ModelMax, SAS, Info Navigator, Visualization Data Explorer, dBIntellect • Productos existentes en el mercado: 10 La complejidad de realizar una “elección adecuada” venía marcada por las combinaciones existentes con estos productos: 7.500 variantes.

10. CLIENTS NETWORKS SERVERS Word Processing Spreadsheets Drawing/Painting Desktop Publishing Communications RDBMS—19 ODBMS—9 Trans. Mgrs.—7 Work Flow—11 GUI—7 OS—19 Hardware—7 NOS—7 OS—17 Hardware—11 Middleware Networking Network Mgmt. Remote Procedure Calls—6 Security Services—7 Terminal Services—11 Message Queuing—9 Network Mgmt. Systems—14 Network Mgmt. Protocols—14 NETWORK MANAGEMENT Object Request Broker—8 Time Services—2 Protocols—10 Inter-Networks: Networks—19 Wiring—6 - Intelligent Hubs—5 - Routers—6 NETWORKING Interprocess Communication—4 Conversational Services—2 MIDDLEWARE Remote File Access—7 Directory Services—7 Remote DatabaseAccess Message Routing Services - APIs—5- Protocols—3- Gateways—10- Propagators—10 - APIs—4- LAN e-Mail—9- MTAs/Gateways—7- Public Carriers—6 Inteligencia de Negocio: Inicios (1996) A la complejidad de elección de herramientas con los elementos tradicionales de una plataforma de “Inteligencia de Negocio” se le podía añadir otra, derivada de la utilización de una infraestructura cliente/servidor: Based on chart by Jeffrey Tash, Database Decisions, Inc. (617) 332-3101 Las posibles combinaciones en este caso serían 76* 1049.

11. Inteligencia de Negocio: Evolución y situación actual Desde el punto de vista tecnológico el aspecto que más ha evolucionado es el relacionado con la integración de los datos, haciendo que se haya incorporado como parte fundamental de la estrategia corporativa de las compañías. Data Consolidation Centralized data Data IntegrationApplications Extract, transform & load (ETL) Enterprise Content Management (ECM) Data sources Data targets Data IntegrationProducts Data Propagation Data Federation Distributeddata Virtual business view Enterprise Information Integration (EII) Enterprise Application Integration (EAI) Right-Time ETL (RT-ETL) Enterprise Data Replication (EDR) Data IntegrationTechniques Data IntegrationTechnologies Components of a data integration solution. Data Integration Techniques. Fuente: TDWI (The Data Warehouse Institute)

12. Inteligencia de Negocio: Evolución y situación actual Desde el punto de vista tecnológico el aspecto que más ha evolucionado es el relacionado con la integración de los datos, haciendo que se haya incorporado como parte fundamental de la estrategia corporativa de las compañías. Data Consolidation Centralized data Data IntegrationApplications Extract, transform & load (ETL) Enterprise Content Management (ECM) Data sources Data targets Data IntegrationProducts Data Propagation Data Federation Distributeddata Virtual business view Enterprise Information Integration (EII) Enterprise Application Integration (EAI) Right-Time ETL (RT-ETL) Enterprise Data Replication (EDR) Data IntegrationTechniques Data IntegrationTechnologies Components of a data integration solution. Data Integration Techniques (1996). Fuente: TDWI (The Data Warehouse Institute)

13. Inteligencia de Negocio: Evolución y situación actual Esta estrategia de integración empresarial óptima tiene su núcleo en una ingeniería tecnológica explícita para la gestión y explotación de los datos. Source Target Data IntegrationApplications Master Data Management (MDM Customer Data Integration (CDI) Dispersed internal & external data Integrated data Data Integration Techniques Data propagation Data consolidation Data federation Change data Capture (CDC) Data transformation (restructure, Cleanse, reconcile, aggregate) Enterprise data integration architecture. Fuente: TDWI (The Data Warehouse Institute). Cortesía de BI Research Data Integration Technologies Enterprise data replication (EDR) Extract, transform, load (ETL) Enterprise content management (ECM) Enterprise application integration (EAI) Right-time ETL (RT-ETL) Enterprise information integration (EII) Web services (services-oriented-architecture) Data Integration Management Data qualitymanagement Metadatamanagement Systemsmanagement

14. Inteligencia de Negocio: Evolución y situación actual Esta estrategia de integración empresarial óptima tiene su núcleo en una ingeniería tecnológica explícita para la gestión y explotación de los datos. Source Target Data IntegrationApplications Master Data Management (MDM Customer Data Integration (CDI) Dispersed internal & external data Integrated data Data Integration Techniques Data propagation Data consolidation Data federation Change data Capture (CDC) Data transformation (restructure, Cleanse, reconcile, aggregate) Enterprise data integration architecture(1996). Fuente: TDWI (The Data Warehouse Institute). Cortesía de BI Research Data Integration Technologies Enterprise data replication (EDR) Extract, transform, load (ETL) Enterprise content management (ECM) Enterprise application integration (EAI) Right-time ETL (RT-ETL) Enterprise information integration (EII) Web services (services-oriented-architecture) Data Integration Management Data qualitymanagement Metadatamanagement Systemsmanagement

15. Inteligencia de Negocio: Evolución y situación actual Otro de los cambios más destacables es la aparición de un nuevo entorno, el colaborativo, orientado a facilitar el trabajo en grupo de los usuarios finales. Es el mundo de los portales de negocio, las intranet y extranet. Entorno de “Inteligencia de Negocio” Batch data. DM DecisionMaking EISDSS Near-real-time data DM DataDistribution Data Management Data Warehouse DM DataAnalysis Data mining Data surfing Point-in-time data DM Datostransaccionales Entorno “Transaccional” Datos web demedios digitales Entorno Colaborativo Maestro de datos integrados Operational Data Store(ODS) Documentos Información decolaboración

16. Inteligencia de Negocio: Perspectivas Como conclusión de todo lo comentado anteriormente se puede presumir que desde el punto de vista del usuario el Data Warehouse desaparecerá como elemento específico. • Mayor conectividad de los datos a través de toda la empresa: cualquier fuente, cualquier destino, en cualquier momento. • Negocio orientado al tiempo real: captura, transformación y suministro sin tiempo de espera (que a veces no significa rabiosamente real – no perder la perspectiva -.) • Fusión de los entornos operativo (transacciones y procesos) y de gestión (datos consolidados). • Existencia de una capa semántica a nivel corporativo facilitada por la interoperabilidad de los servicios Web a nivel de lectura y escritura: arquitectura SOA como estándar. • Reducción de las ventanas batch (nuevas tecnologías de compresión, partición avanzada, etc.) • Consolidación y reducción de Data Warehouse y Data Marts. • Mejora de rendimientos • Garantía de control de acceso y calidad a los departamentos • Fusiones y adquisiciones • Mayor conocimiento frente a criterios “propietarios” de algunos vendedores

17. Inteligencia de Negocio: Perspectivas Y desde el punto de vista de TI, a largo plazo, tendremos un Data Warehouse único para ambos entornos. Entorno de “Inteligencia de Negocio” Planificación, presupuestos, previsiones. Entorno “Transaccional” Datostransaccionales Entorno “Operativo / Transaccional” DM DecisionMaking EISDSS Near-real-time data DM Operational Data Store(ODS) DataDistribution Data Management Data Warehouse Maestro de datos integrados DM DataAnalysis Data mining Data surfing Point-in-time data DM BPA.- Business Process Automation BPM.- Business Performance Management CPM.- Corporate Performance Management EPM.- Enterprise Performance Management BAM.- Business Activity Monitoring BPM.- Business Process Management ? Actualmente ya se están consolidando DW, Dmarts y ODS en bases de datos replicadas por niveles.

18. Identificación de necesidades / Valoración de productos A la hora de valorar nuestras necesidades debemos intentar incluir todas las características que consideremos de cierta relevancia para nuestra organización. FUNCIONALIDAD TECNOLOGIA AMIGABILIDAD (usuario) End-user query and reporting Arquitectura Interfase gráfica de usuario, aspecto Decision Support System (DSS) Soporte Windows Navegación Executive Information System (EIS) Soporte UNIX Ayuda on-line configurable Scorecard/Dashboard Soporte Linux Funciones de menu configurables, faciles de comprender y orientadas a procesos Consolidation Soporte OSX (Mac) KPI's Transiciones de pantallas y de funciones Soporte Oracle DB Business Planning, Budgeting and Forecasting Navegación hacia aplicaciones externas Soporte SQL Server Disponibilidad formación del vendedor Soporte DB/2 Data Mining Soporte otras B.D. Modeling and visualization INTEGRACION DE DATOS Flexibilidad para implementar modificaciones Multidimensional analysis and OLAP Rendimiento y escalabilidad Integración con aplicaciones de terceros POSICIONAMIENTO DE MERCADO Transformacion de datos y agregación Seguridad de los datos Nueva versión en los próximos 15 meses Posicionamiento relativo en el ámbito de cobertura Fuentes de origen y destino Escalabilidad y capacidad multi-site Data Profiling y Gestión de calidad Capacidad financiera del vendedor Gestión de metadatos Reputación del vendedor IMPLANTACION Curva de aprendizaje Disponibilidad (integradores, terceros y consultores) Precio del producto Change Data Capture (CDC) Coste de implantación (incluyendo configuración, formación, consultoría, etc) Referencias de clientes Multiples tecnologias de integración de datos Cuota de mercado Conectividad con el mainframe / sistemas legacy Soporte, desarrollos en curso Coste de mantenimiento Monitorización y pruebas Crecimiento de los últimos 12 meses Cronograma de implantación Conectividad con paquetes de software Espectativas de futuro Compañías que pueden realizar la implantación Captura de eventos y datos en tiempo real

19. Identificación de necesidades / Valoración de productos A continuación debemos proceder a una valoración, que típicamente utiliza una matriz donde podamos aplicar uno o varios criterios de ponderación, para cada uno de los apartados considerados.

20. Soluciones vs. Suites de aplicaciones Si lo que se está buscando es una aproximación óptima en cada área, la opción de las soluciones provee normalmente una funcionalidad más rica, pero los costes, la integración de los datos y otros factores pueden hacer de las suites una alternativa atractiva. • Costes: Los costes de licencia y mantenimiento son superiores para soluciones, pero algunas funciones especializadas pueden reducir costes y aumentar ingresos. • Capacidad de negociación: una vez integrado como cliente, la capacidad de negociar precios, añadir módulos o volver atrás es mayor en las soluciones. • RRHH: La facilidad y homogeneidad de la formación estandarizada asociada con las suites, junto con la rápida curva de aprendizaje de los usuarios es un factor determinante a tener en cuenta. • Soporte: Siempre es más operativo funcionar con un solo vendedor (suite) que con múltiples vendedores (soluciones) con diferentes políticas e intereses.

21. Soluciones vs. Suites de aplicaciones De otra parte, las suites suministran un conjunto de aplicaciones con una base de datos común y una interfase de usuario consistente de tal forma que todos los módulos tienen un aspecto familiar. El inconveniente puede ser la escasa funcionalidad de alguna aplicación con el consiguiente perjuicio para sus usuarios. • Integración de datos: Las suites parten con ventaja siempre que sean el resultado del desarrollo de una sola compañía y no de sucesivas adquisiciones. • Funcionalidad: las soluciones están normalmente más especializadas, mejor orientadas a la web y son tecnológicamente más avanzadas. No obstante, las suites están empezando a ponerse al día. • Tamaño de la organización: si es grande y compleja puede requerir analizar funcionalidades avanzadas (Solución). • Cultura y estilo de gestión: Si tiene un sistema de gestión centralizado, puede tener prioridad un acceso fácil a los datos compartidos. Soluciones no-críticas pueden ser sacrificadas por la mayor eficiencia de las suites

22. Tendencias del mercado Las tendencias actuales muestran que muchas organizaciones están empezando a adoptar una estrategia integrada de datos/sistemas (suites), rellenando los “gaps” existentes con soluciones especializadas. • Algunos vendedores de suites ofrecen ahora una experiencia “one-stop shopping” adquiriendo o actuando como socios de determinadas soluciones, lo que simplifica los problemas de integración. • Las grandes corporaciones están más predispuestas a las soluciones específicas que contemplen sus necesidades específicas dirigidas cada vez con más énfasis a la integración corporativa de datos. • Las compañías medianas integran sus productos desde el punto de vista básico de coordinación con la arquitectura de la Inteligencia de Negocio y no están tan preocupadas por el funcionamiento en tiempo real y los servicios web. ¿Soluciones o Suites de Aplicaciones? No hay una respuesta final. Sigue siendo una cuestión a debate.

23. "Saber que se sabe lo que se sabe y que no se sabe lo que no se sabe; he aquí el verdadero saber.". Confucio. NEGYTEC (Negocio y Tecnología) C/Las Campanillas, 66, 1º B 24008 LEON Tel: 987 084 089 www.negytec.com falvarez@negytec.com