1. Antecedentes de BI
1.1. Antecedentes e introduccion
Históricamente, la tecnología de Business Intelligence ha encontrado lugar en dos niveles primarios: entre los altos ejecutivos quienes necesitan obtener información estratégica y entre los administradores de la línea de negocios que son responsables del análisis táctico.
Desde principios de los 90’s, las aplicaciones de BI han evolucionado dramáticamente en muchas direcciones, debido al crecimiento exponencial de la información. Desde reportes operacionales generados por mainframes, modelación estadística de campañas publicitarias, ambientes OLAP multidimensionales para analistas así como dashboards y scorecards para ejecutivos. Las compañías empiezan a demandar mas formas de analizar y realizar reportes de datos.
El corazón de Business Intelligence es la habilidad de una organización para acceder y analizar la información, y entonces explotar su ventaja competitiva. En la era digital, las capacidades que ofrece Business Intelligence será la diferencia entre el éxito y el fracaso.
1.2. Historia del BI
En un artículo de 1958, investigador de IBM Hans Peter Luhn utiliza la inteligencia de negocios a largo plazo. Se define la inteligencia como: "la capacidad de aprender las relaciones mutuas de los hechos presentados de manera tal de orientar la acción hacia una meta deseada."
En 1989, Howard Dresner (más tarde, un analista de Gartner Group) propuso BI como un término genérico para describir "los conceptos y métodos para mejorar la toma de decisiones empresariales mediante el uso hecho de los sistemas de apoyo." No fue hasta finales de 1990 que este uso estaba muy extendida.
Thomas Davenport ha argumentado que la inteligencia de negocios debe ser dividido en consultas, reportes, OLAP, un "alertas" de herramientas, y análisis de negocios
1.3. Definicion del BI
Las aplicaciones de Business Intelligence (BI) son herramientas de soporte de decisiones que permiten en tiempo real, acceso interactivo, análisis y manipulación de información crítica para la empresa. Estas aplicaciones proporcionan a los usuarios un mayor entendimiento que les permite identificar las oportunidades y los problemas de los negocios. Los usuarios son capaces de acceder y apalancar una vasta cantidad de información y analizar sus relaciones y entender las tendencias que últimamente están apoyando las decisiones de los negocios. Estas herramientas previenen una potencial pérdida de conocimiento dentro de la empresa que resulta de una acumulación masiva reinformación que no es fácil de leer o de usar
1.4. Importancia de los BI en las organizaciones
Las tecnologías de BI intentan ayudar a las personas a entender los datos más rápidamente a fin de que puedan tomar mejores y más rápidas decisiones y, finalmente, mejorar sus movimientos hacia la consecución de objetivos de negocios. Los impulsores claves detrás de los objetivos de BI son incrementar la eficiencia organizacional y la efectividad. Algunas de las tecnologías de BI apuntan a crear un flujo de datos dentro de la organización más rápido y accesible. Por otro lado, novedosas tecnologías de BI toman un enfoque más agresivo redefiniendo los procesos existentes con otros nuevos, mucho más estilizados que eliminan gran cantidad de pasos o crean nuevas capacidades.
1.6. Tipos de productos de BI
Las herramientas de software de BI son usadas para acceder a los datos de los negocios y proporcionar reportes, análisis, visualizaciones y alertas a los usuarios. La gran mayoría de las herramientas de BI son usadas por usuarios finales para acceder, analizar y reportar contra los datos que más frecuentemente residen en data warehouse, data marts y almacenes de datos operacionales. Los desarrolladores de aplicaciones usan plataformas de BI para desarrollar y desplegar aplicaciones (las cuales no son consideradas herramientas de BI). Ejemplos de una aplicación de BI son las aplicaciones de consolidación financiera y presupuestos.
Actualmente el mercado de herramientas de BI se encuentra constituido de dos subsegmentos: suites de BI empresarial (EBIS, por sus siglas en inglés) y plataformas de BI. La mayoría de las herramientas de BI, son BI empresarial y plataformas de BI.
Gartner Dataquest (2005) realizó un pronóstico a cinco años, basado en una estimación preliminar de tamaño del mercados y una revisión de los inhibidores e impulsores, llegando a la conclusión de que el total de mercado de herramientas de BI proyecta un crecimiento de $ 2.5 billones en 2004 a $ 2.9 billones en 2009, con una tasa de crecimiento anual de 7.4%.
2. Tecnologias del BI
2.1. Tecnologias del BI
Durante el periodo formativo, las compañías han descubierto activamente nuevas maneras de usar sus datos para apoyar la toma de decisiones, realizar una optimización de procesos y realizar reportes operacionales. Y durante esta era de invenciones, los vendedores de tecnología de BI han construidos nichos de software para implementar cada nuevo patrón de aplicaciones que las compañías inventan. Estos patrones de aplicación resultan en productos de software centrados exclusivamente en cinco estilos de BI (Microstrategy, 2002), tales como:
a. Reporte empresarial.
b. Cubos de análisis.
c. Vistas Ad Hoc Query y análisis.
d. Data mining y análisis estadísticos.
e. Entrega de reportes y alertas.
Hasta este punto, las grandes empresas han tenido que comprar diferentes conjuntos de herramientas de BI a distintos vendedores, con cada herramienta dirigida a una nueva aplicación de BI y cada una de ellas dando al usuario funcionalidad en solo uno de los estilos de BI.
2.2. Cubos de análisis
Los cubos basados en herramientas de BI son usados para proveer capacidades analíticas a los administradores de negocios.
2.3. Vistas AD Hoc Query (Herramientas OLAP)
OLAP es el acrónimo en inglés de procesamiento analítico en línea (On-Line Analytical Processing). Es una solución utilizada en el campo de la llamada Inteligencia empresarial (o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos. Para ello utiliza estructuras multidimensionales (o Cubos OLAP) que contienen datos resumidos de grandes Bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares.
La razón de usar OLAP para las consultas es la velocidad de respuesta. Una base de datos relacional almacena entidades en tablas discretas si han sido normalizadas. Esta estructura es buena en un sistema OLTP pero para las complejas consultas multitabla es relativamente lenta. Un modelo mejor para búsquedas (aunque peor desde el punto de vista operativo) es una base de datos multidimensional.
La principal característica que potencia a OLAP, es que es lo más rápido a la hora de ejecutar sentencias SQL de tipo SELECT, en contraposición con OLTP que es la mejor opción para operaciones de tipo INSERT, UPDATE Y DELETE
Funcionalidad
En la base de cualquier sistema OLAP se encuentra el concepto de cubo OLAP (también llamado cubo multidimensional o hipercubo). Se compone de hechos numéricos llamados medidas que se clasifican por dimensiones. El cubo de metadatos es típicamente creado a partir de un esquema en estrella o copo de nieve, esquema de las tablas en una base de datos relacional. Las medidas se obtienen de los registros de una tabla de hechos y las dimensiones se derivan de la dimensión de los cuadros.
Tipos de OLAP
Tradicionalmente, los sistemas OLAP se clasifican según las siguientes categorías:
ROLAP
Implementación OLAP que almacena los datos en un motor relacional. Típicamente, los datos son detallados, evitando las agregaciones y las tablas se encuentran normalizadas. Los esquemas más comunes sobre los que se trabaja son estrella ó copo de nieve, aunque es posible trabajar sobre cualquier base de datos relacional. La arquitectura está compuesta por un servidor de banco de datos relacional y el motor OLAP se encuentra en un servidor dedicado. La principal ventaja de esta arquitectura es que permite el análisis de una enorme cantidad de datos.
MOLAP
Esta implementación OLAP almacena los datos en una base de datos multidimensional. Para optimizar los tiempos de respuesta, el resumen de la información es usualmente calculado por adelantado. Estos valores precalculados o agregaciones son la base de las ganancias de desempeño de este sistema. Algunos sistemas utilizan técnicas de compresión de datos para disminuir el espacio de almacenamiento en disco debido a los valores precalculados.
HOLAP (Hybrid OLAP)
Almacena algunos datos en un motor relacional y otros en una base de datos multidimensional.
Comparación
Cada sistema OLAP tiene ciertos beneficios (aunque existe desacuerdo acerca de las características específicas de los beneficios entre los proveedores).
Algunas implementaciones MOLAP son propensas a la "explosión" de la base de datos; este fenómeno provoca la necesidad de grandes cantidades de espacio de almacenamiento para el uso de una base de datos MOLAP cuando se dan ciertas condiciones: elevado número de dimensiones, resultados precalculados y escasos datos multidimensionales. Las técnicas habituales de atenuación de la explosión de la base de datos no son todo lo eficientes que sería deseable.
Por lo general MOLAP ofrece mejor rendimiento debido a la especializada indexación y a las optimizaciones de almacenamiento. MOLAP también necesita menos espacio de almacenamiento en comparación con los especializados ROLAP porque su almacenamiento especializado normalmente incluye técnicas de compresión.
ROLAP es generalmente más escalable. Sin embargo, el gran volumen de preprocesamiento es difícil de implementar eficientemente por lo que con frecuencia se omite; por tanto, el rendimiento de una consulta ROLAP puede verse afectado.
Desde la aparición de ROLAP van apareciendo nuevas versiones de bases de datos preparadas para realizar cálculos, las funciones especializadas que se pueden utilizar tienen más limitaciones.
HOLAP (OLAP Híbrido) engloba un conjunto de técnicas que tratan de combinar MOLAP y ROLAP de la mejor forma posible. Generalmente puede pre-procesar rápidamente, escala bien, y proporciona una buena función de apoyo.
Otros tipos de OLAP
Los siguientes acrónimos a veces también se utilizan, aunque no son sistemas tan generalizados como los anteriores:
WOLAP o Web OLAP: OLAP basado u orientado para la web.
DOLAP o Desktop OLAP: OLAP de escritorio
RTOLAP o Real Time OLAP: OLAP en tiempo real
SOLAP o Spatial OLAP: OLAP espacial
2.4. Data Mining y Data Warehouse
Data Mining
La minería de datos (DM, Data Mining) consiste en la extracción no trivial de información que reside de manera implícita en los datos. Dicha información era previamente desconocida y podrá resultar útil para algún proceso. En otras palabras, la minería de datos prepara, sondea y explora los datos para sacar la información oculta en ellos.
Bajo el nombre de minería de datos se engloba todo un conjunto de técnicas encaminadas a la extracción de conocimiento procesable, implícito en las bases de datos. Está fuertemente ligado con la supervisión de procesos industriales ya que resulta muy útil para aprovechar los datos almacenados en las bases de datos.
Las bases de la minería de datos se encuentran en la inteligencia artificial y en el análisis estadístico. Mediante los modelos extraídos utilizando técnicas de minería de datos se aborda la solución a problemas de predicción, clasificación y segmentación.
Un proceso típico de minería de datos consta de los siguientes pasos generales:
Selección del conjunto de datos, tanto en lo que se refiere a las variables dependientes, como a las variables objetivo, como posiblemente al muestreo de los registros disponibles.
Análisis de las propiedades de los datos, en especial los histogramas, diagramas de dispersión, presencia de valores atípicos y ausencia de datos (valores nulos).
Transformación del conjunto de datos de entrada, se realizará de diversas formas en función del análisis previo, con el objetivo de prepararlo para aplicar la técnica de minería de datos que mejor se adapte a los datos y al problema.
Seleccionar y aplicar la técnica de minería de datos, se construye el modelo predictivo, de clasificación o segmentación.
Extracción de conocimiento, mediante una técnica de minería de datos, se obtiene un modelo de conocimiento, que representa patrones de comportamiento observados en los valores de las variables del problema o relaciones de asociación entre dichas variables. También pueden usarse varias técnicas a la vez para generar distintos modelos, aunque generalmente cada técnica obliga a un preprocesadó diferente de los datos.
Interpretación y evaluación de datos, una vez obtenido el modelo, se debe proceder a su validación comprobando que las conclusiones que arroja son válidas y suficientemente satisfactorias. En el caso de haber obtenido varios modelos mediante el uso de distintas técnicas, se deben comparar los modelos en busca de aquel que se ajuste mejor al problema. Si ninguno de los modelos alcanza los resultados esperados, debe alterarse alguno de los pasos anteriores para generar nuevos modelos.
Si el modelo final no superara esta evaluación el proceso se podría repetir desde el principio o, si el experto lo considera oportuno, a partir de cualquiera de los pasos anteriores. Esta retroalimentación se podrá repetir cuantas veces se considere necesario hasta obtener un modelo válido.
Una vez validado el modelo, si resulta ser aceptable (proporciona salidas adecuadas y/o con márgenes de error admisibles) éste ya está listo para su explotación. Los modelos obtenidos por técnicas de minería de datos se aplican incorporándolos en los sistemas de análisis de información de las organizaciones, e incluso, en los sistemas transaccionales. En este sentido cabe destacar los esfuerzos del Data Mining Group, que está estandarizando el lenguaje PMML (Predictive Model Markup Language), de manera que los modelos de minería de datos sean interoperables en distintas plataformas, con independencia del sistema con el que han sido construidos. Los principales fabricantes de sistemas de bases de datos y programas de análisis de la información hacen uso de este estándar.
Tradicionalmente, las técnicas de minería de datos se aplicaban sobre información contenida en almacenes de datos. De hecho, muchas grandes empresas e instituciones han creado y alimentan bases de datos especialmente diseñadas para proyectos de minería de datos en las que centralizan información potencialmente útil de todas sus áreas de negocio. No obstante, actualmente está cobrando una importancia cada vez mayor la minería de datos desestructurados como información contenida en ficheros de texto, en Internet, etc.
Data Warehouse
En el contexto de la informática, un almacén de datos (del inglés data warehouse) es una colección de datos orientada a un determinado ámbito (empresa, organización, etc.), integrado, no volátil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Se trata, sobre todo, de un expediente completo de una organización, más allá de la información transaccional y operacional, almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficiente de datos (especialmente OLAP, procesamiento analítico en línea). El almacenamiento de los datos no debe usarse con datos de uso actual. Los almacenes de datos contienen a menudo grandes cantidades de información que se subdividen a veces en unidades lógicas más pequeñas dependiendo del subsistema de la entidad del que procedan o para el que sea necesario.
En un almacén de datos lo que se quiere es contener datos que son necesarios o útiles para una organización, es decir, que se utiliza como un repositorio de datos para posteriormente transformarlos en información útil para el usuario. Un almacén de datos debe entregar la información correcta a la gente indicada en el momento óptimo y en el formato adecuado. El almacén de datos da respuesta a las necesidades de usuarios expertos, utilizando Sistemas de Soporte a Decisiones (DSS), Sistemas de información ejecutiva (EIS) o herramientas para hacer consultas o informes. Los usuarios finales pueden hacer fácilmente consultas sobre sus almacenes de datos sin tocar o afectar la operación del sistema.
En el funcionamiento de un almacén de los datos son muy importantes las siguientes ideas:
Integración de los datos provenientes de bases de datos distribuidas por las diferentes unidades de la organización y que con frecuencia tendrán diferentes estructuras (fuentes heterogéneas). Se debe facilitar una descripción global y un análisis comprensivo de toda la organización en el almacén de datos.
Separación de los datos usados en operaciones diarias de los datos usados en el almacén de datos para los propósitos de divulgación, de ayuda en la toma de decisiones, para el análisis y para operaciones de control. Ambos tipos de datos no deben coincidir en la misma base de datos, ya que obedecen a objetivos muy distintos y podrían entorpecerse entre sí.
Periódicamente, se importan datos al almacén de datos de los distintos sistemas de planeamiento de recursos de la entidad (ERP) y de otros sistemas de software relacionados con el negocio para la transformación posterior. Es práctica común normalizar los datos antes de combinarlos en el almacén de datos mediante herramientas de extracción, transformación y carga (ETL). Estas herramientas leen los datos primarios (a menudo bases de datos OLTP de un negocio), realizan el proceso de transformación al almacén de datos (filtración, adaptación, cambios de formato, etc.) y escriben en el almacén.
2.5. Factores de Éxito de BI
Lo primero que tenemos que identificar es cuales son las necesidades y el tipo de herramienta que se busca: análisis, reporting, base de datos, OLAP, etc...Los principales factores (sin orden de importancia) a tener en cuenta cuando elegimos una herramienta Business Intelligence:
1) La Plataforma: No es lo mismo estar atados a Microsoft, o poder trabajar en Unix, o tener una estrategia Open Source Linux. Lo mismo aplica al hardware. Algunos fabricantes son restrictivos.2) El Curriculum del vendedor: Es muy útil conocer el tipo de implementaciones que se han hecho, si se han realizado en tiempo, si se utilizan, la satisfacción de usuarios, etc...3) El tamaño del cubo: Es imprescindible hacer un análisis previo de la amplitud de la información a almacenar. Algunas aplicaciones pueden 'explotar' llegado cierto nivel.4) La velocidad de consulta: Los usuarios siempre quieren velocidad en sus consultas. Y si 20 segundos de espera es mucho, quizás haya que buscar otra herramienta. 5) Servicios de soporte y ayuda a nivel mundial: Tenemos que tener la seguridad de que si algo falla en la aplicación ( y fallará, esto es seguro) podamos resolverla en el menor tiempo posible. 6) Evaluaciones de analistas: Gartner, IDC saben de que hablan... y suelen ser objetivos. No está de más fijarse en sus 'cuadrantes'.7) El ecosistema del vendedor (consultores, partners, acuerdos, comunidad de desarrolladores…).8) Base instalada de usuarios. Si hay de mi sector mucho mejor. Si puedo hablar con ellos y ver la herramienta en vivo, todavía mejor.9) Graphical User Interface (GUI). Hay que recordar que hablamos de una herramienta para usuarios finales y si a éstos no les gusta, no la utilizarán y será dinero tirado.10) Integración con otras herramientas: Ninguna herramienta funciona como una
2.6. Riesgos de BI
A veces es sorprendente que con el desarrollo al que han llegado muchas herramientas, el uso de metodologías contrastadas y el mayor nivel de conocimiento de técnicos y usuarios, se produzcan tantos desastres en la implementación de soluciones Business Intelligence, en términos de exceso de coste sobre el previsto, no utilización por parte de los usuarios, no cumplir con las expectativas, información errónea, etc...Estos son algunos de los principales fallos:
1) Muchos Data Warehouse crecen en tamaño de forma desproporcionada porque los técnicos no consiguen decir 'no' a las 'excesivas' demandas de los usuarios.2) Se prefiere realizar el proyecto con gente de la propia empresa, cuando éstos no tienen ni tiempo, ni conocimientos para poder abarcarlo.3) Se fijan unas fechas de entrada en producción del sistema poco realistas, que provoca nuevas fechas y más retrasos.4) El presupuesto destinado para el proyecto es escaso en comparación con el grado de complejidad que se quiere desarrollar. 5) La selección del software y hardware a veces se realiza siguiendo criterios de acuerdos generales o compromisos, antes que puramente técnicos.6) Antes del proyecto, no se realizan benchmarks o 'pruebas de concepto' para determinar la viabilidad.7) Los datos de origen no están limpios. Duplicidades, errores, caracteres erróneos.. implican un proceso ETL más costoso, mayor tamaño de la Base de datos y peor rendimiento. 8) El sponsor del proyecto no ejerce como tal durante el mismo. No 'baja a la tierra'.9) Mala elección de los consultores y excesiva rotación entre ellos.10) Escasa involucración de los usuarios finales que les lleva a sentir cierta frustración con los resultados obtenidos.11) Caer en el error de 'en informática todo se puede hacer' y empezar con customizaciones, escribir código fuera de las funcionalidades estándar.12) No alinear el proyecto dentro de una estrategia de negocio.
Existen muchos más factores que pueden hacer fallar un proyecto Business Intelligence, pero éstos pueden hacer literalmente 'tumbarlo', no conseguir más proyectos para los consultores, mala imagen del producto y riesgos internos para el director de informática y otros sponsors.
3. Simuladores de negocios
3.1. ¿Qué son los simuladores de negocios?
Los simuladores de negocios o juego de negocios (business game en inglés) son herramientas de apoyo en el proceso de aprendizaje, dado que permiten establecer un ambiente virtual de negocios a fin que los estudiantes tengan la oportunidad de participar, a través de un conjunto de decisiones, en el proceso de dirección de una empresa o de una área especifica de la misma.
Así, el propósito básico de los simuladores es desarrollar en los participantes las habilidades de dirección y de toma de decisiones. Esto se consigue cuando los estudiantes son conscientes de que una decisión de una área en particular de una empresa afecta a todas las demás áreas, así como al relacionar los aspectos teóricos de la dirección de una empresa con los aspectos prácticos que ocurren en la vida real.
También, los simuladores tienen el propósito de mostrar los aspectos claves que se deben tomar en cuenta durante las decisiones que toman los directivos de una empresa para implantar las principales actividades que se llevan a cabo durante la administración de la misma, considerando tanto los factores internos que lo afectan, así como de las variables más importantes del contexto que influyen en su desempeño. De esta manera, los simuladores permiten mostrar el impacto que causan las decisiones directivas sobre el desempeño global de una empresa.
Durante la simulación se toman decisiones que están relacionadas con la formulación y la ejecución de las principales acciones globales y por área que los directivos de las empresas llevan a cabo en un contexto de competencia y de cambio en las variables del entorno que las afectan. Es decir, que las decisiones que deben tomar los participantes en la simulación están relacionadas con los aspectos claves de la dirección general de un negocio o de una área específica de una empresa como las de finanzas, recursos humanos, operaciones, logística, y mercadotecnia.
En este sentido, se debe señalar que las decisiones que se consideran durante la simulación de negocios están relacionados con aspectos que comúnmente se toman en cuenta tanto por la dirección general, así como por las gerencias funcionales durante el desempeño de las funciones que se realizan en el proceso de administración de un negocio.
Durante el desarrollo de la simulación a los participantes agrupados en equipos de trabajo se les asigna una empresa en una industria determinada. Luego se requiere que los miembros del equipo adopten el papel de un equipo de gerentes a fin que analicen la información del área que les corresponde, y finalmente tomen las decisiones más convenientes que correspondan a la administración del área que tienen a cargo, considerando tanto las decisiones de las demás áreas, así como el objetivo general de la empresa.
Los objetivos que se buscan en los cursos basados en simuladores de negocios son los siguientes:
Fortalecer la capacidad de toma de decisiones de los participantes,
Incentivar el trabajo en equipo y
Entender las diferentes relaciones que se establecen entre las áreas de una empresa.
3.2. Tipos de simuladores
Generales: cuando están orientados a mostrar el uso de las estrategias a nivel de negocios y las principales decisiones que debe tomar la dirección general de una empresa. Entre los principales tenemos al Business Policy Game, Business Strategic Game, CEO, Treshold y el Multinational Management Game.
Específicos: cuando están enfocados a simular las actividades de un área específica de una empresa como marketing, finanzas y producción. Entre los principales simuladores de este tipo tenemos al:
Markstrat, Brandmaps, Marketplace, Shoes, marketing game y Marketing Simulation: orientados a simular las actividades de marketing.
Fingame: para el área de finanzas.
Forad: enfocado al área de finanzas internacionales.
Intopia: para los negocios internacionales.
The Management/Accounting Simulation: para el área de contabilidad.
3.3. Aplicaciones de los simuladores
Los juegos de negocios son, en su mayoría, programas de computación que se construyen usando un lenguaje de programación. Dichos programas son elaborados considerando tanto la relación que existe entre los factores internos de operación de una empresa así como de algunas variables del entorno que las afectan en su operación.
En general, se puede decir que los simuladores de negocios son modelos que se construyen a partir de especificar un número de variables relevantes internas y también externas, las cuales deben permitir simular la operación de una empresa en un contexto cambiante y de competencia con otras compañías similares.
Así, en el diseño de los algoritmos del programa se deben considerar todas las interacciones posibles entre las variables seleccionadas, a fin que el modelo represente tanto las distintas operaciones que desarrolla una empresa, así como el efecto de los cambios del ambiente sobre la misma.
4. Microsoft Project
4.1. Introducción de Microsoft Project
Microsoft Project es un programa de la suite Microsoft Office usado para la gestión de proyectos.
Microsoft Project (o MSP) es un software de administración de proyectos diseñado, desarrollado y comercializado por Microsoft para asistir a administradores de proyectos en el desarrollo de planes, asignación de recursos a tareas, dar seguimiento al progreso, administrar presupuesto y analizar cargas de trabajo.
El software Microsoft Office Project en todas sus versiones (la versión 2007 es la más reciente) es útil para la gestión de proyectos, aplicando procedimientos descritos en el PMBoK (Management Body of Knowledge) del PMI (Project Management Institute).
Microsoft Project es un programa de la suite Microsoft Office usado para la gestión de proyectos.
4.2. Finalidad
Microsoft Project (o MSP) es un software de administración de proyectos diseñado, desarrollado y comercializado por Microsoft para asistir a administradores de proyectos en el desarrollo de planes, asignación de recursos a tareas, dar seguimiento al progreso, administrar presupuesto y analizar cargas de trabajo.
4.3. Aplicacion
La aplicación crea calendarización de rutas criticas, además de cadenas críticas y metodología de eventos en cadena disponibles como add-ons de terceros. Los calendarios pueden ser resource leveled, y las gráficas visualizadas en una Gráfica de Gantt. Adicionalmente, Project puede reconocer diferentes clases de usuarios, los cuales pueden contar con distintos niveles de acceso a proyectos, vistas y otros datos.
5. Actividades principales de Microsoft Project
Los objetos personalizables como calendarios, vistas, tablas, filtros y campos, son almacenados en un servidor que comparte la información a todos los usuarios.
RUTA CRITICA
El método de ruta crítica es un proceso administrativo (planeación, organización, dirección y control) de todas y cada una de las actividades componentes de un proyecto que debe desarrollarse drante un tiempo crítico y al costo óptimo.
La aplicación potencial del método de la ruta crítica, debido a su gran flexibilidad y adaptación, abarca desde los estudios inciales para un proyecto determinado, hasta la planeación y operación de sus instalaciones. A esto se puede añadir una lista indeterminable de posibles aplicaciones de tipo específico. Así, podemos afirmar que el método de la ruta crítica es aplicable y útil en cualquier situación en la que se tenga que llevar a cabo una serie de actividades relacionadas entre sí para alcanzar un objetivo determinado.
El método es aplicable en tareas tales como: construcción, estudios económicos, planeación de carreras universitarias, censos de población, estudios técnicos, etc.
Los beneficios derivados de la apliacción del método de la ruta crítica se presentarán en relación directa a la habilidad con que se haya aplicado. Debe advertirse, sin embargo, que el camino crítico no es una panacea que resuelva problemas administrativos de un proyecto. Cualquier aplicación incorrecta producirá resultados adversos. No obstante, si el método es utilizado correctamente, determinará un proyecto más ordenado y mejor balanceado que podrá ser ejecutado de manera más eficiente y normalmente, en menor tiempo.
Un beneficio primordial que nos brinda el método de la ruta crítica es que resume en un sólo documento la imagen general de todo el proyecto, lo que nos ayuda a evitar omisiones, identificar rápidamente contradicciones en la planeción de actividades, facilitando abastecimientos ordenados y oportunos; en general, logrando que el proyecto sea llevado a cabo con un mínimo de tropiezos.
DIAGRAMA DE GANTT
El diagrama de GANTT es una herramienta que le permite al usuario modelar la planificación de las tareas necesarias para la realización de un proyecto. Esta herramienta fue inventada por Henry L. Gantt en 1917.
Debido a la relativa facilidad de lectura de los diagramas de GANTT, esta herramienta es utilizada por casi todos los directores de proyecto en todos los sectores. El diagrama de GANTT es una herramienta para el director del proyecto que le permite realizar una representación gráfica del progreso del proyecto, pero también es un buen medio de comunicación entre las diversas personas involucradas en el proyecto.
Este tipo de modelo es particularmente fácil de implementar con una simple hoja de cálculo, pero también existen herramientas especializadas, la más conocida es Microsoft Project. También existen equivalentes de este tipo de software que son gratis.
Cómo crear un diagrama de GANTT
En un diagrama de GANTT, cada tarea es representada por una línea, mientras que las columnas representan los días, semanas, o meses del programa, dependiendo de la duración del proyecto. El tiempo estimado para cada tarea se muestra a través de una barra horizontal cuyo extremo izquierdo determina la fecha de inicio prevista y el extremo derecho determina la fecha de finalización estimada. Las tareas se pueden colocar en cadenas secuenciales o se pueden realizar simultáneamente.
Si las tareas son secuenciales, las prioridades se pueden confeccionar utilizando una flecha qué desciende de las tareas más importantes hacia las tareas menos importantes. La tarea menos importante no puede llevarse a cabo hasta que no se haya completado la más importante.
A medida que progresa una tarea, se completa proporcionalmente la barra que la representa hasta llegar al grado de finalización. Así, es posible obtener una visión general del progreso del proyecto rastreando una línea vertical a través de las tareas en el nivel de la fecha actual. Las tareas ya finalizadas se colocan a la izquierda de esta línea; las tareas que aún no se han iniciado se colocan a la derecha, mientras que las tareas que se están llevando a cabo atraviesan la línea. Si la línea está cubierta en la parte izquierda, ¡la tarea está demorada respecto de la planificación del proyecto!
Idealmente, un diagrama como este no debe incluir más de 15 ó 20 tareas para que pueda caber en una sola hoja con formato A4. Si el número de tareas es mayor, es posible crear diagramas adicionales en los que se detallan las planificaciones de las tareas principales.
1.1. Antecedentes e introduccion
Históricamente, la tecnología de Business Intelligence ha encontrado lugar en dos niveles primarios: entre los altos ejecutivos quienes necesitan obtener información estratégica y entre los administradores de la línea de negocios que son responsables del análisis táctico.
Desde principios de los 90’s, las aplicaciones de BI han evolucionado dramáticamente en muchas direcciones, debido al crecimiento exponencial de la información. Desde reportes operacionales generados por mainframes, modelación estadística de campañas publicitarias, ambientes OLAP multidimensionales para analistas así como dashboards y scorecards para ejecutivos. Las compañías empiezan a demandar mas formas de analizar y realizar reportes de datos.
El corazón de Business Intelligence es la habilidad de una organización para acceder y analizar la información, y entonces explotar su ventaja competitiva. En la era digital, las capacidades que ofrece Business Intelligence será la diferencia entre el éxito y el fracaso.
1.2. Historia del BI
En un artículo de 1958, investigador de IBM Hans Peter Luhn utiliza la inteligencia de negocios a largo plazo. Se define la inteligencia como: "la capacidad de aprender las relaciones mutuas de los hechos presentados de manera tal de orientar la acción hacia una meta deseada."
En 1989, Howard Dresner (más tarde, un analista de Gartner Group) propuso BI como un término genérico para describir "los conceptos y métodos para mejorar la toma de decisiones empresariales mediante el uso hecho de los sistemas de apoyo." No fue hasta finales de 1990 que este uso estaba muy extendida.
Thomas Davenport ha argumentado que la inteligencia de negocios debe ser dividido en consultas, reportes, OLAP, un "alertas" de herramientas, y análisis de negocios
1.3. Definicion del BI
Las aplicaciones de Business Intelligence (BI) son herramientas de soporte de decisiones que permiten en tiempo real, acceso interactivo, análisis y manipulación de información crítica para la empresa. Estas aplicaciones proporcionan a los usuarios un mayor entendimiento que les permite identificar las oportunidades y los problemas de los negocios. Los usuarios son capaces de acceder y apalancar una vasta cantidad de información y analizar sus relaciones y entender las tendencias que últimamente están apoyando las decisiones de los negocios. Estas herramientas previenen una potencial pérdida de conocimiento dentro de la empresa que resulta de una acumulación masiva reinformación que no es fácil de leer o de usar
1.4. Importancia de los BI en las organizaciones
Las tecnologías de BI intentan ayudar a las personas a entender los datos más rápidamente a fin de que puedan tomar mejores y más rápidas decisiones y, finalmente, mejorar sus movimientos hacia la consecución de objetivos de negocios. Los impulsores claves detrás de los objetivos de BI son incrementar la eficiencia organizacional y la efectividad. Algunas de las tecnologías de BI apuntan a crear un flujo de datos dentro de la organización más rápido y accesible. Por otro lado, novedosas tecnologías de BI toman un enfoque más agresivo redefiniendo los procesos existentes con otros nuevos, mucho más estilizados que eliminan gran cantidad de pasos o crean nuevas capacidades.
1.6. Tipos de productos de BI
Las herramientas de software de BI son usadas para acceder a los datos de los negocios y proporcionar reportes, análisis, visualizaciones y alertas a los usuarios. La gran mayoría de las herramientas de BI son usadas por usuarios finales para acceder, analizar y reportar contra los datos que más frecuentemente residen en data warehouse, data marts y almacenes de datos operacionales. Los desarrolladores de aplicaciones usan plataformas de BI para desarrollar y desplegar aplicaciones (las cuales no son consideradas herramientas de BI). Ejemplos de una aplicación de BI son las aplicaciones de consolidación financiera y presupuestos.
Actualmente el mercado de herramientas de BI se encuentra constituido de dos subsegmentos: suites de BI empresarial (EBIS, por sus siglas en inglés) y plataformas de BI. La mayoría de las herramientas de BI, son BI empresarial y plataformas de BI.
Gartner Dataquest (2005) realizó un pronóstico a cinco años, basado en una estimación preliminar de tamaño del mercados y una revisión de los inhibidores e impulsores, llegando a la conclusión de que el total de mercado de herramientas de BI proyecta un crecimiento de $ 2.5 billones en 2004 a $ 2.9 billones en 2009, con una tasa de crecimiento anual de 7.4%.
2. Tecnologias del BI
2.1. Tecnologias del BI
Durante el periodo formativo, las compañías han descubierto activamente nuevas maneras de usar sus datos para apoyar la toma de decisiones, realizar una optimización de procesos y realizar reportes operacionales. Y durante esta era de invenciones, los vendedores de tecnología de BI han construidos nichos de software para implementar cada nuevo patrón de aplicaciones que las compañías inventan. Estos patrones de aplicación resultan en productos de software centrados exclusivamente en cinco estilos de BI (Microstrategy, 2002), tales como:
a. Reporte empresarial.
b. Cubos de análisis.
c. Vistas Ad Hoc Query y análisis.
d. Data mining y análisis estadísticos.
e. Entrega de reportes y alertas.
Hasta este punto, las grandes empresas han tenido que comprar diferentes conjuntos de herramientas de BI a distintos vendedores, con cada herramienta dirigida a una nueva aplicación de BI y cada una de ellas dando al usuario funcionalidad en solo uno de los estilos de BI.
2.2. Cubos de análisis
Los cubos basados en herramientas de BI son usados para proveer capacidades analíticas a los administradores de negocios.
2.3. Vistas AD Hoc Query (Herramientas OLAP)
OLAP es el acrónimo en inglés de procesamiento analítico en línea (On-Line Analytical Processing). Es una solución utilizada en el campo de la llamada Inteligencia empresarial (o Business Intelligence) cuyo objetivo es agilizar la consulta de grandes cantidades de datos. Para ello utiliza estructuras multidimensionales (o Cubos OLAP) que contienen datos resumidos de grandes Bases de datos o Sistemas Transaccionales (OLTP). Se usa en informes de negocios de ventas, marketing, informes de dirección, minería de datos y áreas similares.
La razón de usar OLAP para las consultas es la velocidad de respuesta. Una base de datos relacional almacena entidades en tablas discretas si han sido normalizadas. Esta estructura es buena en un sistema OLTP pero para las complejas consultas multitabla es relativamente lenta. Un modelo mejor para búsquedas (aunque peor desde el punto de vista operativo) es una base de datos multidimensional.
La principal característica que potencia a OLAP, es que es lo más rápido a la hora de ejecutar sentencias SQL de tipo SELECT, en contraposición con OLTP que es la mejor opción para operaciones de tipo INSERT, UPDATE Y DELETE
Funcionalidad
En la base de cualquier sistema OLAP se encuentra el concepto de cubo OLAP (también llamado cubo multidimensional o hipercubo). Se compone de hechos numéricos llamados medidas que se clasifican por dimensiones. El cubo de metadatos es típicamente creado a partir de un esquema en estrella o copo de nieve, esquema de las tablas en una base de datos relacional. Las medidas se obtienen de los registros de una tabla de hechos y las dimensiones se derivan de la dimensión de los cuadros.
Tipos de OLAP
Tradicionalmente, los sistemas OLAP se clasifican según las siguientes categorías:
ROLAP
Implementación OLAP que almacena los datos en un motor relacional. Típicamente, los datos son detallados, evitando las agregaciones y las tablas se encuentran normalizadas. Los esquemas más comunes sobre los que se trabaja son estrella ó copo de nieve, aunque es posible trabajar sobre cualquier base de datos relacional. La arquitectura está compuesta por un servidor de banco de datos relacional y el motor OLAP se encuentra en un servidor dedicado. La principal ventaja de esta arquitectura es que permite el análisis de una enorme cantidad de datos.
MOLAP
Esta implementación OLAP almacena los datos en una base de datos multidimensional. Para optimizar los tiempos de respuesta, el resumen de la información es usualmente calculado por adelantado. Estos valores precalculados o agregaciones son la base de las ganancias de desempeño de este sistema. Algunos sistemas utilizan técnicas de compresión de datos para disminuir el espacio de almacenamiento en disco debido a los valores precalculados.
HOLAP (Hybrid OLAP)
Almacena algunos datos en un motor relacional y otros en una base de datos multidimensional.
Comparación
Cada sistema OLAP tiene ciertos beneficios (aunque existe desacuerdo acerca de las características específicas de los beneficios entre los proveedores).
Algunas implementaciones MOLAP son propensas a la "explosión" de la base de datos; este fenómeno provoca la necesidad de grandes cantidades de espacio de almacenamiento para el uso de una base de datos MOLAP cuando se dan ciertas condiciones: elevado número de dimensiones, resultados precalculados y escasos datos multidimensionales. Las técnicas habituales de atenuación de la explosión de la base de datos no son todo lo eficientes que sería deseable.
Por lo general MOLAP ofrece mejor rendimiento debido a la especializada indexación y a las optimizaciones de almacenamiento. MOLAP también necesita menos espacio de almacenamiento en comparación con los especializados ROLAP porque su almacenamiento especializado normalmente incluye técnicas de compresión.
ROLAP es generalmente más escalable. Sin embargo, el gran volumen de preprocesamiento es difícil de implementar eficientemente por lo que con frecuencia se omite; por tanto, el rendimiento de una consulta ROLAP puede verse afectado.
Desde la aparición de ROLAP van apareciendo nuevas versiones de bases de datos preparadas para realizar cálculos, las funciones especializadas que se pueden utilizar tienen más limitaciones.
HOLAP (OLAP Híbrido) engloba un conjunto de técnicas que tratan de combinar MOLAP y ROLAP de la mejor forma posible. Generalmente puede pre-procesar rápidamente, escala bien, y proporciona una buena función de apoyo.
Otros tipos de OLAP
Los siguientes acrónimos a veces también se utilizan, aunque no son sistemas tan generalizados como los anteriores:
WOLAP o Web OLAP: OLAP basado u orientado para la web.
DOLAP o Desktop OLAP: OLAP de escritorio
RTOLAP o Real Time OLAP: OLAP en tiempo real
SOLAP o Spatial OLAP: OLAP espacial
2.4. Data Mining y Data Warehouse
Data Mining
La minería de datos (DM, Data Mining) consiste en la extracción no trivial de información que reside de manera implícita en los datos. Dicha información era previamente desconocida y podrá resultar útil para algún proceso. En otras palabras, la minería de datos prepara, sondea y explora los datos para sacar la información oculta en ellos.
Bajo el nombre de minería de datos se engloba todo un conjunto de técnicas encaminadas a la extracción de conocimiento procesable, implícito en las bases de datos. Está fuertemente ligado con la supervisión de procesos industriales ya que resulta muy útil para aprovechar los datos almacenados en las bases de datos.
Las bases de la minería de datos se encuentran en la inteligencia artificial y en el análisis estadístico. Mediante los modelos extraídos utilizando técnicas de minería de datos se aborda la solución a problemas de predicción, clasificación y segmentación.
Un proceso típico de minería de datos consta de los siguientes pasos generales:
Selección del conjunto de datos, tanto en lo que se refiere a las variables dependientes, como a las variables objetivo, como posiblemente al muestreo de los registros disponibles.
Análisis de las propiedades de los datos, en especial los histogramas, diagramas de dispersión, presencia de valores atípicos y ausencia de datos (valores nulos).
Transformación del conjunto de datos de entrada, se realizará de diversas formas en función del análisis previo, con el objetivo de prepararlo para aplicar la técnica de minería de datos que mejor se adapte a los datos y al problema.
Seleccionar y aplicar la técnica de minería de datos, se construye el modelo predictivo, de clasificación o segmentación.
Extracción de conocimiento, mediante una técnica de minería de datos, se obtiene un modelo de conocimiento, que representa patrones de comportamiento observados en los valores de las variables del problema o relaciones de asociación entre dichas variables. También pueden usarse varias técnicas a la vez para generar distintos modelos, aunque generalmente cada técnica obliga a un preprocesadó diferente de los datos.
Interpretación y evaluación de datos, una vez obtenido el modelo, se debe proceder a su validación comprobando que las conclusiones que arroja son válidas y suficientemente satisfactorias. En el caso de haber obtenido varios modelos mediante el uso de distintas técnicas, se deben comparar los modelos en busca de aquel que se ajuste mejor al problema. Si ninguno de los modelos alcanza los resultados esperados, debe alterarse alguno de los pasos anteriores para generar nuevos modelos.
Si el modelo final no superara esta evaluación el proceso se podría repetir desde el principio o, si el experto lo considera oportuno, a partir de cualquiera de los pasos anteriores. Esta retroalimentación se podrá repetir cuantas veces se considere necesario hasta obtener un modelo válido.
Una vez validado el modelo, si resulta ser aceptable (proporciona salidas adecuadas y/o con márgenes de error admisibles) éste ya está listo para su explotación. Los modelos obtenidos por técnicas de minería de datos se aplican incorporándolos en los sistemas de análisis de información de las organizaciones, e incluso, en los sistemas transaccionales. En este sentido cabe destacar los esfuerzos del Data Mining Group, que está estandarizando el lenguaje PMML (Predictive Model Markup Language), de manera que los modelos de minería de datos sean interoperables en distintas plataformas, con independencia del sistema con el que han sido construidos. Los principales fabricantes de sistemas de bases de datos y programas de análisis de la información hacen uso de este estándar.
Tradicionalmente, las técnicas de minería de datos se aplicaban sobre información contenida en almacenes de datos. De hecho, muchas grandes empresas e instituciones han creado y alimentan bases de datos especialmente diseñadas para proyectos de minería de datos en las que centralizan información potencialmente útil de todas sus áreas de negocio. No obstante, actualmente está cobrando una importancia cada vez mayor la minería de datos desestructurados como información contenida en ficheros de texto, en Internet, etc.
Data Warehouse
En el contexto de la informática, un almacén de datos (del inglés data warehouse) es una colección de datos orientada a un determinado ámbito (empresa, organización, etc.), integrado, no volátil y variable en el tiempo, que ayuda a la toma de decisiones en la entidad en la que se utiliza. Se trata, sobre todo, de un expediente completo de una organización, más allá de la información transaccional y operacional, almacenado en una base de datos diseñada para favorecer el análisis y la divulgación eficiente de datos (especialmente OLAP, procesamiento analítico en línea). El almacenamiento de los datos no debe usarse con datos de uso actual. Los almacenes de datos contienen a menudo grandes cantidades de información que se subdividen a veces en unidades lógicas más pequeñas dependiendo del subsistema de la entidad del que procedan o para el que sea necesario.
En un almacén de datos lo que se quiere es contener datos que son necesarios o útiles para una organización, es decir, que se utiliza como un repositorio de datos para posteriormente transformarlos en información útil para el usuario. Un almacén de datos debe entregar la información correcta a la gente indicada en el momento óptimo y en el formato adecuado. El almacén de datos da respuesta a las necesidades de usuarios expertos, utilizando Sistemas de Soporte a Decisiones (DSS), Sistemas de información ejecutiva (EIS) o herramientas para hacer consultas o informes. Los usuarios finales pueden hacer fácilmente consultas sobre sus almacenes de datos sin tocar o afectar la operación del sistema.
En el funcionamiento de un almacén de los datos son muy importantes las siguientes ideas:
Integración de los datos provenientes de bases de datos distribuidas por las diferentes unidades de la organización y que con frecuencia tendrán diferentes estructuras (fuentes heterogéneas). Se debe facilitar una descripción global y un análisis comprensivo de toda la organización en el almacén de datos.
Separación de los datos usados en operaciones diarias de los datos usados en el almacén de datos para los propósitos de divulgación, de ayuda en la toma de decisiones, para el análisis y para operaciones de control. Ambos tipos de datos no deben coincidir en la misma base de datos, ya que obedecen a objetivos muy distintos y podrían entorpecerse entre sí.
Periódicamente, se importan datos al almacén de datos de los distintos sistemas de planeamiento de recursos de la entidad (ERP) y de otros sistemas de software relacionados con el negocio para la transformación posterior. Es práctica común normalizar los datos antes de combinarlos en el almacén de datos mediante herramientas de extracción, transformación y carga (ETL). Estas herramientas leen los datos primarios (a menudo bases de datos OLTP de un negocio), realizan el proceso de transformación al almacén de datos (filtración, adaptación, cambios de formato, etc.) y escriben en el almacén.
2.5. Factores de Éxito de BI
Lo primero que tenemos que identificar es cuales son las necesidades y el tipo de herramienta que se busca: análisis, reporting, base de datos, OLAP, etc...Los principales factores (sin orden de importancia) a tener en cuenta cuando elegimos una herramienta Business Intelligence:
1) La Plataforma: No es lo mismo estar atados a Microsoft, o poder trabajar en Unix, o tener una estrategia Open Source Linux. Lo mismo aplica al hardware. Algunos fabricantes son restrictivos.2) El Curriculum del vendedor: Es muy útil conocer el tipo de implementaciones que se han hecho, si se han realizado en tiempo, si se utilizan, la satisfacción de usuarios, etc...3) El tamaño del cubo: Es imprescindible hacer un análisis previo de la amplitud de la información a almacenar. Algunas aplicaciones pueden 'explotar' llegado cierto nivel.4) La velocidad de consulta: Los usuarios siempre quieren velocidad en sus consultas. Y si 20 segundos de espera es mucho, quizás haya que buscar otra herramienta. 5) Servicios de soporte y ayuda a nivel mundial: Tenemos que tener la seguridad de que si algo falla en la aplicación ( y fallará, esto es seguro) podamos resolverla en el menor tiempo posible. 6) Evaluaciones de analistas: Gartner, IDC saben de que hablan... y suelen ser objetivos. No está de más fijarse en sus 'cuadrantes'.7) El ecosistema del vendedor (consultores, partners, acuerdos, comunidad de desarrolladores…).8) Base instalada de usuarios. Si hay de mi sector mucho mejor. Si puedo hablar con ellos y ver la herramienta en vivo, todavía mejor.9) Graphical User Interface (GUI). Hay que recordar que hablamos de una herramienta para usuarios finales y si a éstos no les gusta, no la utilizarán y será dinero tirado.10) Integración con otras herramientas: Ninguna herramienta funciona como una
2.6. Riesgos de BI
A veces es sorprendente que con el desarrollo al que han llegado muchas herramientas, el uso de metodologías contrastadas y el mayor nivel de conocimiento de técnicos y usuarios, se produzcan tantos desastres en la implementación de soluciones Business Intelligence, en términos de exceso de coste sobre el previsto, no utilización por parte de los usuarios, no cumplir con las expectativas, información errónea, etc...Estos son algunos de los principales fallos:
1) Muchos Data Warehouse crecen en tamaño de forma desproporcionada porque los técnicos no consiguen decir 'no' a las 'excesivas' demandas de los usuarios.2) Se prefiere realizar el proyecto con gente de la propia empresa, cuando éstos no tienen ni tiempo, ni conocimientos para poder abarcarlo.3) Se fijan unas fechas de entrada en producción del sistema poco realistas, que provoca nuevas fechas y más retrasos.4) El presupuesto destinado para el proyecto es escaso en comparación con el grado de complejidad que se quiere desarrollar. 5) La selección del software y hardware a veces se realiza siguiendo criterios de acuerdos generales o compromisos, antes que puramente técnicos.6) Antes del proyecto, no se realizan benchmarks o 'pruebas de concepto' para determinar la viabilidad.7) Los datos de origen no están limpios. Duplicidades, errores, caracteres erróneos.. implican un proceso ETL más costoso, mayor tamaño de la Base de datos y peor rendimiento. 8) El sponsor del proyecto no ejerce como tal durante el mismo. No 'baja a la tierra'.9) Mala elección de los consultores y excesiva rotación entre ellos.10) Escasa involucración de los usuarios finales que les lleva a sentir cierta frustración con los resultados obtenidos.11) Caer en el error de 'en informática todo se puede hacer' y empezar con customizaciones, escribir código fuera de las funcionalidades estándar.12) No alinear el proyecto dentro de una estrategia de negocio.
Existen muchos más factores que pueden hacer fallar un proyecto Business Intelligence, pero éstos pueden hacer literalmente 'tumbarlo', no conseguir más proyectos para los consultores, mala imagen del producto y riesgos internos para el director de informática y otros sponsors.
3. Simuladores de negocios
3.1. ¿Qué son los simuladores de negocios?
Los simuladores de negocios o juego de negocios (business game en inglés) son herramientas de apoyo en el proceso de aprendizaje, dado que permiten establecer un ambiente virtual de negocios a fin que los estudiantes tengan la oportunidad de participar, a través de un conjunto de decisiones, en el proceso de dirección de una empresa o de una área especifica de la misma.
Así, el propósito básico de los simuladores es desarrollar en los participantes las habilidades de dirección y de toma de decisiones. Esto se consigue cuando los estudiantes son conscientes de que una decisión de una área en particular de una empresa afecta a todas las demás áreas, así como al relacionar los aspectos teóricos de la dirección de una empresa con los aspectos prácticos que ocurren en la vida real.
También, los simuladores tienen el propósito de mostrar los aspectos claves que se deben tomar en cuenta durante las decisiones que toman los directivos de una empresa para implantar las principales actividades que se llevan a cabo durante la administración de la misma, considerando tanto los factores internos que lo afectan, así como de las variables más importantes del contexto que influyen en su desempeño. De esta manera, los simuladores permiten mostrar el impacto que causan las decisiones directivas sobre el desempeño global de una empresa.
Durante la simulación se toman decisiones que están relacionadas con la formulación y la ejecución de las principales acciones globales y por área que los directivos de las empresas llevan a cabo en un contexto de competencia y de cambio en las variables del entorno que las afectan. Es decir, que las decisiones que deben tomar los participantes en la simulación están relacionadas con los aspectos claves de la dirección general de un negocio o de una área específica de una empresa como las de finanzas, recursos humanos, operaciones, logística, y mercadotecnia.
En este sentido, se debe señalar que las decisiones que se consideran durante la simulación de negocios están relacionados con aspectos que comúnmente se toman en cuenta tanto por la dirección general, así como por las gerencias funcionales durante el desempeño de las funciones que se realizan en el proceso de administración de un negocio.
Durante el desarrollo de la simulación a los participantes agrupados en equipos de trabajo se les asigna una empresa en una industria determinada. Luego se requiere que los miembros del equipo adopten el papel de un equipo de gerentes a fin que analicen la información del área que les corresponde, y finalmente tomen las decisiones más convenientes que correspondan a la administración del área que tienen a cargo, considerando tanto las decisiones de las demás áreas, así como el objetivo general de la empresa.
Los objetivos que se buscan en los cursos basados en simuladores de negocios son los siguientes:
Fortalecer la capacidad de toma de decisiones de los participantes,
Incentivar el trabajo en equipo y
Entender las diferentes relaciones que se establecen entre las áreas de una empresa.
3.2. Tipos de simuladores
Generales: cuando están orientados a mostrar el uso de las estrategias a nivel de negocios y las principales decisiones que debe tomar la dirección general de una empresa. Entre los principales tenemos al Business Policy Game, Business Strategic Game, CEO, Treshold y el Multinational Management Game.
Específicos: cuando están enfocados a simular las actividades de un área específica de una empresa como marketing, finanzas y producción. Entre los principales simuladores de este tipo tenemos al:
Markstrat, Brandmaps, Marketplace, Shoes, marketing game y Marketing Simulation: orientados a simular las actividades de marketing.
Fingame: para el área de finanzas.
Forad: enfocado al área de finanzas internacionales.
Intopia: para los negocios internacionales.
The Management/Accounting Simulation: para el área de contabilidad.
3.3. Aplicaciones de los simuladores
Los juegos de negocios son, en su mayoría, programas de computación que se construyen usando un lenguaje de programación. Dichos programas son elaborados considerando tanto la relación que existe entre los factores internos de operación de una empresa así como de algunas variables del entorno que las afectan en su operación.
En general, se puede decir que los simuladores de negocios son modelos que se construyen a partir de especificar un número de variables relevantes internas y también externas, las cuales deben permitir simular la operación de una empresa en un contexto cambiante y de competencia con otras compañías similares.
Así, en el diseño de los algoritmos del programa se deben considerar todas las interacciones posibles entre las variables seleccionadas, a fin que el modelo represente tanto las distintas operaciones que desarrolla una empresa, así como el efecto de los cambios del ambiente sobre la misma.
4. Microsoft Project
4.1. Introducción de Microsoft Project
Microsoft Project es un programa de la suite Microsoft Office usado para la gestión de proyectos.
Microsoft Project (o MSP) es un software de administración de proyectos diseñado, desarrollado y comercializado por Microsoft para asistir a administradores de proyectos en el desarrollo de planes, asignación de recursos a tareas, dar seguimiento al progreso, administrar presupuesto y analizar cargas de trabajo.
El software Microsoft Office Project en todas sus versiones (la versión 2007 es la más reciente) es útil para la gestión de proyectos, aplicando procedimientos descritos en el PMBoK (Management Body of Knowledge) del PMI (Project Management Institute).
Microsoft Project es un programa de la suite Microsoft Office usado para la gestión de proyectos.
4.2. Finalidad
Microsoft Project (o MSP) es un software de administración de proyectos diseñado, desarrollado y comercializado por Microsoft para asistir a administradores de proyectos en el desarrollo de planes, asignación de recursos a tareas, dar seguimiento al progreso, administrar presupuesto y analizar cargas de trabajo.
4.3. Aplicacion
La aplicación crea calendarización de rutas criticas, además de cadenas críticas y metodología de eventos en cadena disponibles como add-ons de terceros. Los calendarios pueden ser resource leveled, y las gráficas visualizadas en una Gráfica de Gantt. Adicionalmente, Project puede reconocer diferentes clases de usuarios, los cuales pueden contar con distintos niveles de acceso a proyectos, vistas y otros datos.
5. Actividades principales de Microsoft Project
Los objetos personalizables como calendarios, vistas, tablas, filtros y campos, son almacenados en un servidor que comparte la información a todos los usuarios.
RUTA CRITICA
El método de ruta crítica es un proceso administrativo (planeación, organización, dirección y control) de todas y cada una de las actividades componentes de un proyecto que debe desarrollarse drante un tiempo crítico y al costo óptimo.
La aplicación potencial del método de la ruta crítica, debido a su gran flexibilidad y adaptación, abarca desde los estudios inciales para un proyecto determinado, hasta la planeación y operación de sus instalaciones. A esto se puede añadir una lista indeterminable de posibles aplicaciones de tipo específico. Así, podemos afirmar que el método de la ruta crítica es aplicable y útil en cualquier situación en la que se tenga que llevar a cabo una serie de actividades relacionadas entre sí para alcanzar un objetivo determinado.
El método es aplicable en tareas tales como: construcción, estudios económicos, planeación de carreras universitarias, censos de población, estudios técnicos, etc.
Los beneficios derivados de la apliacción del método de la ruta crítica se presentarán en relación directa a la habilidad con que se haya aplicado. Debe advertirse, sin embargo, que el camino crítico no es una panacea que resuelva problemas administrativos de un proyecto. Cualquier aplicación incorrecta producirá resultados adversos. No obstante, si el método es utilizado correctamente, determinará un proyecto más ordenado y mejor balanceado que podrá ser ejecutado de manera más eficiente y normalmente, en menor tiempo.
Un beneficio primordial que nos brinda el método de la ruta crítica es que resume en un sólo documento la imagen general de todo el proyecto, lo que nos ayuda a evitar omisiones, identificar rápidamente contradicciones en la planeción de actividades, facilitando abastecimientos ordenados y oportunos; en general, logrando que el proyecto sea llevado a cabo con un mínimo de tropiezos.
DIAGRAMA DE GANTT
El diagrama de GANTT es una herramienta que le permite al usuario modelar la planificación de las tareas necesarias para la realización de un proyecto. Esta herramienta fue inventada por Henry L. Gantt en 1917.
Debido a la relativa facilidad de lectura de los diagramas de GANTT, esta herramienta es utilizada por casi todos los directores de proyecto en todos los sectores. El diagrama de GANTT es una herramienta para el director del proyecto que le permite realizar una representación gráfica del progreso del proyecto, pero también es un buen medio de comunicación entre las diversas personas involucradas en el proyecto.
Este tipo de modelo es particularmente fácil de implementar con una simple hoja de cálculo, pero también existen herramientas especializadas, la más conocida es Microsoft Project. También existen equivalentes de este tipo de software que son gratis.
Cómo crear un diagrama de GANTT
En un diagrama de GANTT, cada tarea es representada por una línea, mientras que las columnas representan los días, semanas, o meses del programa, dependiendo de la duración del proyecto. El tiempo estimado para cada tarea se muestra a través de una barra horizontal cuyo extremo izquierdo determina la fecha de inicio prevista y el extremo derecho determina la fecha de finalización estimada. Las tareas se pueden colocar en cadenas secuenciales o se pueden realizar simultáneamente.
Si las tareas son secuenciales, las prioridades se pueden confeccionar utilizando una flecha qué desciende de las tareas más importantes hacia las tareas menos importantes. La tarea menos importante no puede llevarse a cabo hasta que no se haya completado la más importante.
A medida que progresa una tarea, se completa proporcionalmente la barra que la representa hasta llegar al grado de finalización. Así, es posible obtener una visión general del progreso del proyecto rastreando una línea vertical a través de las tareas en el nivel de la fecha actual. Las tareas ya finalizadas se colocan a la izquierda de esta línea; las tareas que aún no se han iniciado se colocan a la derecha, mientras que las tareas que se están llevando a cabo atraviesan la línea. Si la línea está cubierta en la parte izquierda, ¡la tarea está demorada respecto de la planificación del proyecto!
Idealmente, un diagrama como este no debe incluir más de 15 ó 20 tareas para que pueda caber en una sola hoja con formato A4. Si el número de tareas es mayor, es posible crear diagramas adicionales en los que se detallan las planificaciones de las tareas principales.
No hay comentarios:
Publicar un comentario