Principales diferencias entre big data y business intelligence

Big Data y Business Intelligence llevan ya tiempo en los medios de comunicación, pero su definición y uso aún confunden a algunos tomadores de decisiones empresariales. Las compañías han invertido mucho en aplicaciones de Business Intelligence (BI) y ahora se encuentran confundidas acerca de si lo que han estado haciendo va a convivir felizmente con el Big Data.

En realidad, Big Data y Business Intelligence no son enfoques competitivos: son arquitecturas de TI que funcionan bien juntas, siendo Business Intelligence esencialmente una capa sobre Big Data.

Big Data vs Business Intelligence

Big Data vs Business Intelligence es la comparación entre lo desconocido y lo conocido, entre los mundos que quedan por explorar y la realidad más cercana que rodea al negocio.

Big Data y Business Intelligence permiten al negocio extraer valor de la información, pero lo hacen de formas distintas, que se complementan. Así, BI busca profundizar en los conjuntos de datos de los que dispone la organización. La forma de obtener conocimiento a través de procesos de inteligencia empresarial es la siguiente:

• Aprovechar el software y los servicios para recoger, almacenar y analizar los datos.
• Transformarlos en inteligencia procesable.
• Nutrir a los sistemas de la organización de este conocimiento, para una mejor toma de decisiones tácticas y estratégicas de una organización.

Hablar de las diferencias entre Big Data y Business Itelligence implica hacerlo de fuentes de información. Mientras que en lo que respecta a los grandes datos parece no haber límites (los datos proceden de sensores, de dispositivos GPS de transacciones en tiempo real, de cualquier entorno y en cualquier formato), las herramientas de BI permiten acceder a conjuntos de datos que ya han sido clasificados, debidamente almacenados y preparados, los que harán posible hacer hallazgos analíticos cuyas conclusiones se verán reflejadas en informes, resúmenes, cuadros de mando, gráficos, tablas y mapas, proporcionando así información detallada sobre el estado del negocio a sus usuarios.

Si los grandes datos pueden recurrir al análisis de información contenida en un data lake, la inteligencia empresarial, probablemente utilizará un data warehouse. La diferencia entre innovación y descubrimiento Vs. consultas y respuestas es la que mejor describe el principal punto de divergencia entre Big Data y Business Intelligence.

BI es una forma sistemática para las empresas de lanzar preguntas y obtener respuestas útiles de sus sistemas de información, ya que se basa en el conocimiento acumulado del negocio.

Pero Big Data permite mirar hacia el futuro y enfocarse en detalles que, a primera vista podrían parecer menos relevantes, aunque terminan demostrando ser fuente de grandes oportunidades. Claro está que, para ello es preciso llevar a cabo un  análisis que, en algunos casos, sólo está al alcance de personal técnico especializado, como pueden ser los perfiles de científico de datos o analista big data; a diferencia de los requisitos que impone BI, mucho menos exigentes, que democratizan el conocimiento en la organización, al ponerlo en manos de todos los usuarios de negocio.

¿Quieres conocer lo que sucede en tu empresa o explorar nuevas incógnitas? ¿Te imaginas integrar el análisis en las operaciones comerciales a medida que se llevan a cabo o te conformas con poder sacar conclusiones a posteriori? ¿Big Data o business Intelligence?

El próximo reto de Business Intelligence: análisis en tiempo real

El panorama económico en el que estamos inmersos, donde la globalización marca el rumbo de los negocios, las empresas exigen cada vez en mayor medida acciones rápidas y respuestas más precisas basadas en los datos adecuados.

Por este motivo, los nuevos modelos de negocio piden una nueva generación de herramientas de BI que incluyan análisis en tiempo real y activos procedentes de diversas fuentes operativas. El objetivo de esta evolución es lograr patrones relevantes y lograr una mayor agilidad.

Esta meta es adonde tienen que llegar las plataformas de Business Intelligence, aportando nuevos métodos y tecnologías que ofrezcan respuestas inmediatas a la hora de ofrecer datos de calidad a casi cualquier velocidad. Y no solo en entornos cloud, sino también en los locales.

Es decir, el análisis en tiempo real es la capacidad de establecer nuevos procesos de negocio e integrar una infraestructura de TI que se adapte de forma automática y específica a todas las actividades y procesos del negocio, que cambian de un modo constante. Se trata de un nuevo paradigma: “detectar y responder” de forma inmediata.

Esta necesidad lleva consigo la exigencia de integrar un sistema que esté diseñado para poder analizar y virtualizar todo tipo de información, incluyendo también datos sin estructurar. Es necesario asimismo llevar a cabo una evaluación estratégica para establecer cuáles son los procesos de negocio que más se beneficiarán de esta nueva tecnología.

Y es así porque aunque es cierto que la mayoría de las organización ya disfrutan de un importante nivel de sincronización entre los datos esenciales de su negocio, aún no disponen de un acceso fiable y homogéneo en todas sus herramientas de BI.

A diferencia del Business Intelligence tradicional, basado en un modelo de “almacenar primero, analizar después”, el análisis en tiempo real requiere un diseño que sea capaz de analizar los eventos clave del negocio a medida que ocurran.

Para dar respuesta a este enfoque, es necesario que la infraestructura de BI moderna incluya una serie de funcionalidades esenciales, entre las que destacan:

• Detección y respuesta en tiempo real ante acontecimientos clave de negocio
• Acceso en tiempo real a datos operativos activos mediante replicación de información de alto rendimiento y de forma independiente a la base de datos
• Creación de una capa de acceso a datos fiables y comunes que acelere la entrega de todas las herramientas de BI mediante la virtualización de datos
• Gestión inmediata a todas las fuentes de información empresarial, incluidos datos no estructurados y de redes sociales

Para alcanzar todos estos objetivos, las empresas de nueva generación deben centrar sus esfuerzos en apostar por soluciones que integren rápidamente diversos tipos de datos con herramientas de gestión avanzada dentro de su infraestructura de TI.

Estas alternativas deberán además adaptarse al software y hardware existentes, para no tener que recurrir a una estrategia de sustitución.