Glosario de Términos de Business Intelligence

1.0 Introducción

Este glosario está diseñado para ayudar a estudiantes y principiantes a comprender la terminología y los acrónimos esenciales utilizados en el campo de Business Intelligence (BI). Todas las definiciones presentadas a continuación han sido extraídas y adaptadas exclusivamente del libro "Introducción al Business Intelligence" para garantizar una referencia precisa y contextualizada.

2.0 Glosario Alfabético

2.1 Letra A

• ASP (Application Service Provider): Es un modelo de negocio que ofrece servicios basados en computadoras a clientes a través de una red. El software ofrecido bajo este modelo es llamado en ocasiones Software On-Demand o Software como Servicio (SaaS), y el paradigma de Cloud Computing es considerado una evolución natural del modelo ASP.

2.2 Letra B

• Business Intelligence (BI) / Inteligencia de Negocio: Se entiende por Business Intelligence al conjunto de metodologías, aplicaciones, prácticas y capacidades enfocadas a la creación y administración de información que permite tomar mejores decisiones a los usuarios de una organización. Su propósito central es responder a las preguntas: "¿Qué pasó?", "¿Qué pasa ahora?", "¿Por qué pasó?" y "¿Qué pasará?" para habilitar mejores decisiones de negocio.
• BICC (Business Intelligence Competency Center / Centro de Competencia de BI): Es una unidad dentro de una organización cuyo objetivo principal es centralizar y unificar el conocimiento en tecnologías, metodologías y estrategia de Business Intelligence. Un BICC busca asegurar el éxito de los proyectos de BI contando con el patrocinio de un ejecutivo, la implicación de analistas de negocio y una responsabilidad compartida en los resultados.
• BSC (Balanced Scorecard / Cuadro de Mando Integral): Se entiende por balanced scorecard al método de planificación estratégica basado en métricas y procesos que relaciona factores medibles con la consecución de objetivos estratégicos. La diferencia clave con un cuadro de mando (dashboard) es que el BSC es un método completo de planificación estratégica, mientras que un dashboard es una herramienta de monitoreo operativo y/o táctico.

2.3 Letra C

• CDC (Change Data Capture / Captura de Cambios de Datos): Es una técnica de integración de datos que se utiliza para identificar y capturar los cambios producidos en las bases de datos de origen. Su función principal es permitir la actualización eficiente de sistemas destino, como un data warehouse, transmitiendo únicamente los datos que han sido modificados.
• Cloud Computing (Computación en la Nube): Es un paradigma que consiste en ofrecer servicios a través de internet. Se estructura en tres capas principales:
  • SaaS (Software as a Service): Es la capa externa donde una aplicación es alojada como un servicio ofrecido a los clientes (p. ej., un CRM on-demand).
  • PaaS (Platform as a Service): Es la capa intermedia que ofrece las herramientas necesarias para construir y distribuir aplicaciones web a través de internet, sin necesidad de descargas o instalaciones locales.
  • IaaS (Infrastructure as a Service): Es la capa núcleo que proporciona acceso a recursos computacionales (como servidores o almacenamiento) que son operados por un proveedor externo.
• Cuadro de Mando (Dashboard): Es un sistema que informa sobre la evolución de los parámetros fundamentales de negocio de una organización o un área específica. Su propósito es monitorear indicadores clave a través de una interfaz altamente visual y consolidada para facilitar una toma de decisiones rápida.

2.4 Letra D

• Data Mart: Es un subconjunto de los datos contenidos en un data warehouse, diseñado para responder a las necesidades de un área, función o grupo de usuarios específico dentro de la organización. Por ejemplo, un data mart podría contener únicamente la información relevante para el departamento de marketing.
• Data Warehouse (Almacén de Datos): Es un repositorio central de datos, definido como una copia de la información transaccional de una organización, que ha sido específicamente estructurada para facilitar la consulta y el análisis. Se caracteriza por ser un conjunto de datos integrado, no volátil y variable en el tiempo, organizado por temas de negocio, con el objetivo fundamental de dar soporte a la toma de decisiones. Presenta cuatro características fundamentales:
  • Orientado a un tema: Organiza la información en torno a temas centrales del negocio (p. ej., ventas, clientes).
  • Integrado: Unifica datos provenientes de múltiples sistemas de origen, asegurando su consistencia.
  • Variable en el tiempo: Almacena "fotos" de los datos a lo largo del tiempo, permitiendo análisis históricos.
  • No volátil: Los datos, una vez cargados, no se modifican y son de solo lectura para los usuarios finales.
• Dimensión: Es la representación de una "vista" o contexto para un proceso de negocio. Las dimensiones proporcionan el marco para analizar las métricas contenidas en las tablas de hecho. Por ejemplo, en un proceso de ventas, el cliente y la fecha son dimensiones que permiten analizar las ventas desde esas perspectivas.
• DSS (Decision Support Systems / Sistemas de Soporte a las Decisiones): Son sistemas diseñados para ayudar en la toma de decisiones. El Business Intelligence (BI) se considera una evolución de estos sistemas.

2.5 Letra E

• ETL (Extract, Transform and Load / Extraer, Transformar y Cargar): Es un proceso fundamental de integración de datos utilizado en Business Intelligence para alimentar un data warehouse a partir de diversas fuentes de origen. El proceso consta de tres etapas principales:
  • Extracción (Extract): Se extraen los datos de los sistemas de origen (bases de datos, ficheros, etc.).
  • Transformación (Transform): Los datos extraídos se limpian, validan, unifican y se les aplican reglas de negocio para asegurar su calidad y consistencia.
  • Carga (Load): Los datos transformados se cargan en el sistema destino, que típicamente es un data warehouse o un data mart.

2.6 Letras F-Z

• HOLAP (Hybrid On-Line Analytical Processing): Es un tipo de OLAP que combina las características de MOLAP y ROLAP. Utiliza tablas relacionales (ROLAP) para almacenar grandes volúmenes de datos detallados y estructuras multidimensionales (MOLAP) para agregaciones y datos menos detallados, buscando un equilibrio entre escalabilidad y rapidez de consulta.
• Integración de Datos: Es el conjunto de aplicaciones, técnicas y tecnologías que permiten obtener una visión única y consistente de los datos de negocio de una organización, independientemente de dónde se encuentren. Es un proceso clave para consolidar la información antes de su análisis.
• KGI (Key Goal Indicator / Indicador Clave de Metas): Es una métrica que define mediciones para informar a la dirección si un proceso ha alcanzado sus requisitos de negocio.
• KPI (Key Performance Indicator / Indicador Clave de Rendimiento): Es una métrica de proceso que mide el rendimiento o la eficiencia con la que se están alcanzando los objetivos. A diferencia de un KGI, que mide el resultado final, un KPI mide cómo se está desempeñando el proceso para lograr esa meta.
• MDM (Master Data Management): Es un conjunto de procesos y herramientas que definen y gestionan de forma consistente las entidades de datos maestras y no transaccionales de una organización (como clientes, productos o proveedores). Su objetivo es asegurar la calidad, consistencia y distribución uniforme de estos datos críticos.
• MDX (Multidimensional eXpressions): Es un lenguaje de consulta para estructuras OLAP, creado por Microsoft en 1997. Aunque no es un estándar oficial, ha sido adoptado como el estándar de facto por la mayoría de los fabricantes de herramientas OLAP para realizar consultas sobre cubos de datos.
• Métrica: Son los conceptos cuantificables que permiten medir un proceso de negocio, como el importe de una venta. Son los valores numéricos que se analizan dentro de un data warehouse.
• MOLAP (Multidimensional OLAP): Es la forma clásica de OLAP. Utiliza bases de datos multidimensionales (comúnmente llamadas "cubos") donde se almacenan los datos y todas las posibles agregaciones de forma precalculada. Este enfoque optimiza la velocidad de las consultas.
• ODS (Operational Data Store): Es un tipo de almacén de datos que proporciona únicamente los valores más recientes de los datos, sin su historial completo. Generalmente, tiene un pequeño desfase respecto a los datos operacionales y sirve como una fuente de datos casi en tiempo real.
• OLAP (On-Line Analytical Processing): Es un método ágil y flexible para organizar y analizar datos de forma multidimensional. Permite a los usuarios explorar grandes volúmenes de información desde diferentes perspectivas (dimensiones) para responder a preguntas complejas de negocio que serían difíciles de formular con SQL tradicional.
• OLTP (On-Line Transaction Processing): Se refiere a los sistemas de procesamiento de transacciones en línea, como los sistemas de facturación o gestión de clientes. Estos sistemas están optimizados para registrar las operaciones diarias del negocio, a diferencia de los sistemas de BI, que están optimizados para el análisis.
• OSBI (Open Source Business Intelligence): Se refiere a las soluciones de Business Intelligence desarrolladas bajo la filosofía de código abierto (open source). Estas herramientas cubren todo el espectro de necesidades de BI y son ofrecidas por organizaciones con modelos de negocio orientados a servicios de valor añadido.
• ROLAP (Relational OLAP): Es un tipo de OLAP que trabaja directamente sobre bases de datos relacionales. Los datos base y las tablas dimensionales se almacenan en tablas relacionales estándar, y las consultas OLAP se traducen en consultas SQL complejas sobre estas tablas.
• SaaS (Software as a Service): Es un modelo de despliegue de software en el que una aplicación es alojada como un servicio y ofrecida a los clientes a través de internet. Es la capa más externa del modelo de Cloud Computing.
• SCD (Slowly Changing Dimension / Dimensión de Variación Lenta): Se refiere a la política de actualización de datos en una dimensión de un data warehouse para gestionar los cambios históricos. Existen diferentes tipos (Tipo 1, Tipo 2, etc.) que determinan si los datos antiguos se sobrescriben, se versionan o se guardan en columnas separadas.
• Staging Area (Área de Puesta en Escena): Es un sistema intermedio que se sitúa entre las fuentes de datos y el data warehouse. Su objetivo es facilitar la extracción, mejorar la calidad de los datos y servir como caché antes de realizar las transformaciones y la carga final en el data warehouse.
• Tabla de Hecho (Fact Table): Es la tabla central en un esquema de data warehouse que representa los procesos de negocio de la organización (p. ej., ventas, visitas). Contiene las métricas cuantificables del proceso y las claves foráneas que la relacionan con las tablas de dimensión.