Archivo de la categoría: Sin categoría

Decálogo MATRIX para el desarrollo de proyectos de Inteligencia de Negocios

1. ¡Calidad, ciclo de vida y validación! Todo está en los datos

Las soluciones de Inteligencia de Negocios parten en los datos. Es imprescindible entender cómo, cuándo y dónde se generan los datos ya que provienen de distintas fuentes, gestionadas y ubicadas en diferentes aplicaciones y repositorios. Al hacer esto, por lo general aparecen inconsistencias en los datos, lo que nos obliga a recordar estas afirmaciones: “Si lees basura, sale basura” y, “Siempre hay basura”. Como consecuencia, es preciso validar, validar y validar los datos fuentes en los repositorios y en los cubos hasta asegurar resultados correctos.

2. Participación activa de los usuarios del negocio

El objetivo final de un proyecto de Inteligencia de Negocios es proveer información valiosa a los actores del negocio. Por tanto, estos deben participar activamente en la conceptualización, diseño y certificación de la solución. Cuando el usuario participa y se involucra en el desarrollo del proyecto es capaz de hacer análisis con el modelo y la herramienta igual o mejor que el desarrollador y/o consultor.

3. Entender el negocio y los procesos

Debe tenerse una visión completa del negocio y sus procesos, llegar a entenderlo como usuarios finales (terminología, cálculos, flujo de datos y procesos, indicadores clave de desempeño, etc.). Esto permitirá aclarar el panorama del proyecto y garantizará resultados óptimos.

4. Definir estándares de desarrollo

Definir los estándares de desarrollo es una actividad primordial. En este punto, el equipo deberá plantearse cómo definir:
– Nombre del modelo, de las dimensiones (en singular, por el elemento más granular) y de las medidas
– Nombre de campos, tablas, vistas, funciones y otros objetos del repositorio de datos
– Ubicación de archivos ETL, cubos, parámetros, etc.
– Procesos Extracción, Transformación y Carga (ETL)
– Estrategia de sustitución de caracteres especiales (áóñ&%$#@)

5. El Modelo de datos debe dar respuestas a las interrogantes del negocio

Se debe trabajar en un diseño que garantice cubrir las necesidades y requerimientos de los usuarios. Definir el esquema de la base de datos apropiado (estrella, copo de nieve o big table), las dimensiones y métricas, las jerarquías, los atributos, su granularidad, la frecuencia, el periodo de lectura, el uso de elementos dummy y todo aquello que permita visualizar de forma correcta los requerimientos del usuario. Es importarse preguntarse: ¿El modelo da respuestas a todas las interrogantes de los usuarios?

6. Metodología de desarrollo de ciclos cortos e incrementales

Es recomendable apegarse desde el inicio a una metodología de diseño incremental por prototipos (ej. SCRUM). A través de este tipo de metodologías, se podrán realizar entregas y vistas analíticas relevantes en períodos cortos del tiempo del proyecto. Esto permitirá acelerar la disponibilidad de la información y trabajar de forma iterativa con los usuarios, suministrando entregas funcionales concertadas. Al momento de ofertar o inclusive, de iniciar un proyecto, se recomienda definir, acotar y desarrollar una parte especifica en tiempo breve para que las partes interesadas tengan una visión clara de las características del desarrollo y de su alcance.

7. Claridad en la distribución de la información

Si la definición del modelo datos es importante para garantizar la efectividad y desempeño de la solución, no menos importante es definir la estrategia para distribuir los resultados de la información. Es vital conocer cómo se va a representar y distribuir la información y el uso de: reportes fijos, reportes dinámicos, vistas de cubos, paneles de control, mapas y portales. Cada usuario de acuerdo a su rol, debe acceder lo que necesita para cubrir sus requerimientos usando las distintas opciones antes mencionadas en la capa de visualización.

8. Pensar en el mañana y tomar en cuenta el mantenimiento después del pase a producción

Aunque los proyectos requieran siempre resultados inmediatos, se debe reflexionar sobre la adaptabilidad de la solución a futuras modificaciones. El negocio se encuentra siempre bajo un ambiente de cambios, por lo que un sistema de Inteligencia de Negocios solo se mantendrá a lo largo del tiempo si el modelo es simple y fácil de mantener.

9. Conocer las bondades de la herramienta a utilizar

Se deben conocer las prestaciones y limitantes del habilitador tecnológico a utilizar, así como también las diferentes opciones que éste ofrece para lograr el mismo resultado. Se debe dar siempre la mejor opción al usuario sobre sus requerimientos. De igual manera, es menester que el usuario final comprenda y conozca las características de la herramienta y su alcance para no crearse falsas expectativas.

10. Agregar Valor

En todo desarrollo, el cliente tiene una visión sobre qué es lo que quiere y cómo lo quiere. El consultor y su equipo intercambiarán ideas y conocimientos para agregar valor a cada elemento desarrollado. En otras palabras; suministrarle al usuario final más de lo que esperado sin incurrir en costos adicionales ni en variaciones del proyecto.

Decálogo BI MATRIX

La analítica predictiva en el sector salud

La industria de la salud es uno de los sectores de mayor impacto estimado de análisis de datos y analítica predictiva, sin embargo, contrario a las predicciones el desarrollo ha sido más lento a lo esperado.

Los expertos opinan que parte de esto se debe a la dificultad de recolectar los datos en formatos de historias digitales, y cuando existen en las dificultades relacionadas con el manejo de esta información, sea por limitaciones legales o de privacidad, sea porque forman parte de esquemas propietarios y cerrados de recolección de información.

En cualquier caso, cuando existen los resultados del uso intensivo de analítica predictiva han sido muy exitosos. En la clínica CrescentCare dirigida al tratamiento de HIV y SIDA en Nueva Orleans  EEUU, el uso de la información contenida en bases de datos (SQL) les ha permitido definir indicadores de riesgo de los pacientes, que actualizados de manera diaria, permiten definir políticas de atención de pacientes y orientar de manera eficiente el uso de recursos humanos, recomendaciones de hospitalización o proyectar tratamientos especializados.

Otro ejemplo lo constituye el uso de información de atención médica, hospitalizaciones, cpm_03laboratorios y productos farmacéuticos de pacientes de una gran empresa estatal latinoamericana. El análisis de estos datos (en curso) ha permitido detectar pacientes “en riesgo” o “complejos” y diseñar estrategias adecuadas para tratar con casos crónicos de manera más efectiva, asegurando el mejoramiento en la calidad de vida de los pacientes así como un uso más eficiente de los recursos. El análisis ha permitido, por otro lado, la detección de uso fraudulento de los recursos disponibles mejorando la distribución de gastos.

Pero quizás los ejemplos más notables lo constituyen los ejemplos de aplicaciones que incluyen el manejo integrado y estandarizado de información de conglomerados de hospitales, clínicas, laboratorios lo cual implica  un esfuerzo importante de puesta en marcha de criterios unificados de tratamiento de la información. En el centro para Servicios de Información en Salud en Illinois, EEUU, que integra 12 hospitales las ventajas justifican con creces los esfuerzos: donde antes cada proyecto de análisis de datos se realizaba de manera independiente buscando datos de los registros, ahora se pueden integrar la información en una misma plataforma. Por otro lado el manejo integrado permite diseñar estrategias más adecuadas de atención a pacientes incluyendo traslados o uso de recursos compartidos.

Las posibilidades del uso de herramientas de analítica predictiva en la gestión de salud  son casi infinitas y representan un gran reto sobre todo en sistemas más precarios donde el manejo eficiente de recursos humanos, hospitalarios,  clínicos y farmacéuticos puede significar el acceso a un sistema de salud  de  primera calidad reduciendo los costos globales. Ojalá veamos este tipo de soluciones en el futuro cercano.

10 enseñanzas en 10 años

Este trabajo no busca crear un concepto nuevo o revolucionario en lo que a un emprendimiento se refiere. Simplemente es una pequeña recopilación del aprendizaje que me ha dejado 10 años al frente de una empresa y que quiero compartir con mis amigos y allegados, y en especial, con todos aquellos soñadores y apasionados de sus ideas que están iniciando su emprendimiento empresarial.

1. Valor de la Empresa: Hay que trabajar siempre como si se quisiera vender la empresa.

  • Esta es una forma en la que tus decisiones pueden estar siempre orientadas a generar valor.

Si no generas valor al emprendimiento, terminarás siendo un auto-empleado.

2.  Escoge y conoce bien a tus socios: Es bueno aplicar la regla que reza “primero quién y luego qué”.

  • Al final es más importante la persona con la que trabajas que el negocio en si. Si la persona es la correcta, hay mayor oportunidad a tener un negocio exitoso
  • Es bueno conocer a la familia de tus socios, ten presente que ellos también pueden tener poder de decisión en tu empresa
  • Socio es aquel que trae negocios y ayuda en la generación de valor

3. Flujo de caja: Lo que todo empresario sabe, pero muchos emprendedores desconocen.

  • Las empresas fracasan no necesariamente porque no vendan o tengan un buen producto, sino porque se quedan sin efectivo.
  • No se puede mantener o hacer crecer tu negocio si no se tiene el control de sus finanzas.imag_carrusel

4. Crea una buena relación con la banca: Una empresa siempre debe tener acceso a crédito.

  • Crear una buena relación, significa también pagar los compromisos a tiempo.

5. Busca siempre el mejor talento: Al final toda empresa es reflejo de su talento humano

  • Tener el mejor talento hoy en día, en cualquier parte del mundo es un ejercicio complejo y costoso. Tienes que buscar la manera de seleccionarlo y captarlo de acuerdo a tus posibilidades.
  • El buen talento siempre es capaz de hacer aportes importantes. Debes estar presto a escucharlo e incorporar en lo posible las ideas, mejoras e innovaciones que surjan del equipo.
  • Lo otro difícil es retenerlo. Es mucho lo que puedes hacer aquí, pero ten siempre presente que solo los casos excepcionales, se quedarán contigo más de 3 o 4 años.
  • Durante su estadía en la empresa tienes que capacitarlo muy bien y muy rápido.
  • Tu empresa siempre necesitará de una buena gerencia y liderazgo. Prepárate bien.

6. Construye un excelente entorno organizacional: Talentos Internos + Clientes + Proveedores

  • Dentro de la organización participan activamente tus proveedores de servicios. La relación con ellos es vital para el buen funcionamiento de la empresa.
  • Busca convertirte en un aliado de negocios de tus clientes, independientemente del servicio que les prestes.
  • Construir un buen “networking” siempre puede ayudar a tener buenos negocios.
  • No hay nada mejor que tener a un equipo empoderado de sus funciones y comprometido con la organización.
  • Debes hacer el esfuerzo por cumplir con tus proveedores, clientes y talento. En este sentido  nunca debes prometer lo que no puedas cumplir.

7. Pensamiento estratégico: La planificación te ayudará a visualizar el futuro de tu empresa

  • Dedícale unos minutos a la semana a revisar las acciones que estas tomando para cumplir con los objetivos que te has propuesto.
  • El visualizar el futuro, en tus proyectos y acciones te ayudará a anticiparte a los riesgos.
  • En Latinoamérica hoy en día la internacionalización siempre debe ser un reto a considerar.

8. Flujo de caja, clientes y talento son las prioridades de la dirección de la empresa

  • Si en algún momento no sabes que hacer, regresa a lo básico, donde este trío es fundamental
  • Tus productos pueden cambiar, tu modelo de negocio puede variar, pero siempre tendrás que estar pendiente de tus ventas (clientes), flujo de caja y talento humano

9. Insistir y resistir

  • Tener una empresa es una carrera con obstáculos. Hay que tener mucha fe, insistir y perseverar.
  • Innovar, adaptarte y diferenciarte de la competencia son aspectos básicos de la permanencia del negocio. En esto hay que escuchar lo que por años viene diciendo la academia.

10. Hay negocios buenos, gente haciendo dinero por todos lados, dinero fácil y más fácil, pero al final tendrás una oportunidad verdadera de éxito si te gusta y disfrutas lo que haces

  • Cuando haces lo que te gusta, también disfrutas del proceso. Los objetivos y metas son importantes, pero el proceso deja grandes enseñanzas y satisfacciones.
  • Cumple las leyes. Estás son las reglas del juego y el buscar otras vías, caminos verdes y atajos puede impactar en el valor de la empresa, así que paga tus impuestos, cumple con la seguridad social, mantén al día los documentos de la empresa y sigue las reglas del juego.

 

 

Una guía fácil sobre Inteligencia de Negocios

Ya sabemos que la inteligencia empresarial se trata de las decisiones correctas que toma una empresa para impulsar o mantener su negocio pero, ¿cómo se llega a eso? Esta guía del proceso explica los básicos del qué, por qué, cómo y el para qué de la inteligencia de negocios.

Cuando se implementa una estrategia de business intelligence, el proceso involucra principalmente estas cuatro etapas:

El qué → Descriptivo: se refiere a la estadística que se aplica como punto de partida para desarrollar una solución de inteligencia de negocios. Se parte por lo básico, es decir, recolectar, clasificar y ordenar los datos, así ponemos sobre la mesa qué se tiene de la empresa, qué se necesita y hacia dónde vamos.cpm_02

Cuando una empresa se acerca al business intelligence, es la primera oportunidad que tiene la organización puede ver datos dispersos en un solo sitio, ya que gran parte del esfuerzo que se hacer para lograr una solución de inteligencia de negocios se centra en recopilar e integrar datos que vienen de fuentes distintas, en sistemas diferentes y que se deben llevar a la misma escala para poderlos comparar, entre otras cosas.

El por qué → Diagnóstico: esta fase se trata de explicar por qué el negocio se comporta como se comporta, es decir, si responde o no a los datos del contexto o los datos internos, es decir, el business intelligence describe al negocio en términos reales.

El cómo → Predictivo: después de los pasos anteriores, se determinan tendencia con base en esos datos internos y eventualmente de los externos.

El para qué → Prescriptivo: como el final del proceso, se trata de saber si yo puedo, teniendo como base la inteligencia de negocios, determinar cursos de acción.

Como se observa, cada fase es más compleja que la otra y cada una completa un bloque de información y de procesos necesarios para llegar a lo que tanto anhelamos: decisiones inteligentes que nos permitan adelantarnos a la competencia, vender más, impulsar el negocio, mantenerlo o cambiarlo. De esto se trata el qué, el por qué, el cómo y el para qué del BI.

¿Qué es R y por qué usarlo?

El desglose de los datos y su análisis es parte fundamental del proceso que se lleva a cabo cuando se desarrolla una solución de inteligencia empresarial. Es por esto que conversamos sobre R, una herramienta para el trabajo con la data.

R es un entorno de programación libre que se utiliza para el procesamiento y análisis estadístico de datos implementado en el lenguaje S de GNU, aunque para algoritmos computacionalmente exigentes se emplean lenguajes como C, C++ o Fortran.cpm_01

Inicialmente, R fue desarrollado por Robert Gentleman y Ross Ihaka del Departamento de Estadística de la Universidad de Auckland, en 1993, pero actualmente R es responsabilidad del R Development Core Team.

A continuación, enumeramos 6 razones por las cuales R es una excelente opción para procesar datos:

  1. R es gratuito y tiene 6817 paquetes disponibles.
  2. Es un programa avalado por una sólida comunidad científica que provee excelente documentación.
  3. Es el software estadístico más utilizado en las universidades del mundo.
  4. Estas son algunas de las grandes compañías que se han apoyado en R: SAP HANA, Tableau, Pentaho. Oracle también está integrando R a su plataforma.
  5. Posee excelentes capacidades para procesar y analizar grandes volúmenes de datos con ayuda de herramientas como Hadoop y Spark.
  6. Es compatible con equipos Mac, Windows y Linux.

¿Necesitas más razones para usar R? Es accesible, funcional y amplio, convirtiéndola en una herramienta imprenscindible para procesar la data que, posteriormente, nos dará las soluciones inteligentes que necesitamos. 

¿Qué es y para qué sirve a las empresas el Data Warehouse?

Seguramente han escuchado muchas veces el término de Data Warehouse; podemos definirla como una base de datos corporativa donde se integra y depura información de una o varias fuentes distintas, que luego serán procesadas y analizadas desde distintos puntos de vista con afinidad de perspectivas y grandes velocidades de respuesta.

La creación del Data Warehouse representa la mayoría de las veces el primer paso, desde el punto de vista técnico, para implantar una solución completa y fiable de Business Intelligence y así aportar las mejores respuestas a los problemas de la organización. Objeto inteligente vectorial3-01 (1)

¿Qué ventajas nos aporta este proceso?

  • Nos proporciona información clave para la toma de decisiones en la empresa.
  • Mejora la calidad de las decisiones tomadas.
  • Estos datos son útiles a mediano y largo plazo.
  • Si las fuentes de los datos y los objetivos están claros, los sistemas son sencillos de instalar.
  • Es útil también para el almacenamiento de análisis y consultas históricas.
  • Permite mayor flexibilidad y rapidez en el acceso a la información.
  • Brinda una comunicación fiable entre todos los departamentos de la empresa.

También hay que destacar que, para comprender íntegramente el concepto, este proceso se construye a partir del ETL (Extracción, transformación y carga) y los sistemas operacionales de una compañía:

  • Extracción → se trata de obtener la información de las distintas fuentes, tanto internas como externas.
  • Transformación → es el filtrado, limpieza, depuración, homogeneización y agrupación de la información.
  • Carga → sobre la organización y actualización de los datos y metadatos en la base de datos.

Para que el Data Warehouse sea exitoso se necesita una limpieza continua, transformación e integración de los datos. Además, requiere sistemas, aplicaciones y almacenamiento específico. Es un trabajo constante que garantiza el éxito de los datos en el diagnóstico y las soluciones de inteligencia de negocios que serán implementadas en la compañía.

Finalmente, se puede decir que el principal beneficio del Data Warehouse para las empresas es que tiene la propiedad de eliminar los datos que interfieren con el análisis de la información y su entrega; sea cual sea el formato requerido, el Data Warehouse facilita el proceso de gestión.

¡Los datos son petróleo!

Cada vez más, las empresas ven a sus datos como su activo más preciado. Son el “nuevo petróleo” descubierto y por tanto requieren de procesos de refinamiento para convertirlos en combustible del éxito.

La refinación de datos es el proceso mediante el cual se pueden depurar datos heterogéneos dentro de un contexto común (la empresa), para hacer posible su comprensión y la obtención de información de los mismos. Esto se logra eliminando la variabilidad de los datos y su redundancia, con lo que se obtiene un recurso de datos integrados de mucho valor para la toma de decisiones.

Estudios recientes demuestran que el 90% de los datos disponibles hoy son de fuentes de Objeto inteligente vectorial3-01datos no estructuradas. La refinería de datos es la primera oferta capaz de procesar grandes cantidades de datos no estructurados provenientes de diferentes tipos de organizaciones, en todos los tipos de formatos (oraciones largas y complejas, frases cortas con errores ortográficos y gramaticales y otros tipos de datos) y provenientes de diferentes tipos de medios (páginas web, artículos de blog, mensajes y respuestas en redes sociales, quejas recogidas, etc.) de manera eficiente.

El proceso de refinación de datos es uno de los aspectos más importantes al almacenarlos porque los datos no refinados pueden causar un desastre en la producción de información de una empresa. Tradicionalmente se desarrolla un proceso de extracción, transformación, y carga de datos (ETL) con el cual se recopilan datos de varias fuentes, se transforman para cumplir con las reglas de negocio y las mejores prácticas de arquitectura de datos y finalmente se procede a la carga en un almacén de datos centralizado para efectos de análisis (el Data Warehouse).

Para automatizar el proceso de aprovisionamiento y explotación de grandes volúmenes de datos en una organización de manera eficiente, debe echarse mano de herramientas que lo permitan. Con Pentaho Data Integration y Hadoop se puede lograr un hub de información multi-fuente de alto rendimiento, donde se pueden almacenar, mezclar y luego publicar automáticamente los datos en forma de conjuntos de datos en motores de bases analíticas tales como HP Vertica, para su consumo y explotación por parte del usuario final mediante el descubrimiento de datos, informes, cuadros de mando y procesos analí­ticos avanzados.

Dé un paso adelante.

La conciencia del dato

Conseguí esta semana un artículo escrito por un profesor, quien fue fundador de las Escuelas de Matemática y Física de la UCV, así como fundador del Departamento de Cálculo Numérico, el cual luego se convirtió en la Escuela de Computación de la Facultad de Ciencias de UCV. Hablo de Manuel Bemporad.

Este insigne profesor, quien también fue director de la ASOVAC (Asociación Venezolana para el Avance de la Ciencia), publicó el siguiente artículo titulado La conciencia del dato el cual me parece muy importante compartirlo por la veracidad de sus argumentos y validez que tiene cada día que me veo inmerso en proyectos de datos.

Bemporad habla acerca de un mal que nos aqueja a los países de nuestra región, instituciones públicas y privadas por igual, que es el poco valor que le damos al “dato” crudo. La poca importancia que le damos a esto, repercute en otra cuestión más importante, que es la generación de estadísticas, para poder contabilizar, reportar y en última instancia, predecir el comportamiento basado en los datos recolectados.

Luego de leer dicho artículo, recordé mis clases de Introducción a la Informática de la UCV, las cuales nunca fueron de mi agrado, pero que ahora, en retrospectiva, me sirven de base para implementar proyectos en el área de toma de decisiones estratégica, principalmente, gracias a los conceptos de dato, información y conocimiento. El siguiente gráfico que conseguí en esta web ilustra de manera concisa la relación entre los tres conceptos mediante una pirámide:

conciencia del dato

Esta pirámide refleja que en la base están los datos, los cuales soportan la operación diaria del negocio (cuando me refiero a negocio, me refiero al proceso al cual el software da soporte, por ejemplo: contabilidad, nómina, ventas, suministro, inventario, etc). Como vemos, a partir de esta base podemos obtener información valiosa que nos generan estadísticas acerca del comportamiento de nuestro negocio; y es, mediante un proceso de análisis y aprendizaje que obtenemos “conocimiento”.

Dato: son la mínima unidad semántica que se corresponde con elementos primarios de un negocio: un hecho, un evento, una imagen, una descripción, o un simple número
Información: es la interpretación o comprensión de los datos. Son datos que son contextualizados y categorizados
Conocimiento: es una mezcla de experiencia, valores, información y know-how que sirve Objeto inteligente vectorial3-01 (1)como marco para la incorporación de nuevas experiencias e información, y es útil para la acción.

Si la base está mal… todo en la pirámide hacia arriba estará mal. Y esto me lleva a un lema bien arraigado que dice “si entra basura, sale basura” o “La calidad de las estadísticas depende de la calidad de tus datos”.

Sirva este post como un homenaje a Manuel Bemporad y como un recordatorio de nuestro ejercicio profesional, sobre todo en Inteligencia de Negocios.

Bibliografía consultada:
La informacion y el conocimiento. http://peremarques.pangea.org/infocon.htm
Sinnexus: Datos, información, conocimiento, http://www.sinnexus.com/business_intelligence/piramide_negocio.aspx
Bemporad , M. (2003). La conciencia del dato. Interciencia, 28(7) Recuperado de http://www.redalyc.org/articulo.oa?id=33908201

Inteligencia de Negocios: ¿Para qué?

Explicar qué es Inteligencia de Negocios a personas no técnicas es un verdadero ejercicio didáctico. La gente se pregunta: ¿Inteligencia? ¿Negocios? Pero, si tener un negocio ya es un asunto de inteligencia… ¿O no?

Por mucho entusiasmo que usted le ponga a su explicación y se devane los sesos en advertir que datos no es sinónimo de información y que tomar decisiones no es un asunto de azar en el ámbito empresarial, pues, no siempre se logra el objetivo deseado. Sólo una persona que ha enfrentado sabanas de Excel kilométricas y ha construido gráficos a pulso, comprobando con la calculadora si tal cantidad de pérdidas es verdadera, puede apreciar el hecho de que la tecnología le produjera tan deseado milagro: obtener Información veraz, auditable, apreciable y comprensible en pocos minutos.

Definir la Inteligencia de Negocios como un campo sembrado de maíz al lado de un plato de Corn Flakes, es bastante ilustrativo. Ahora, exponer la premisa: “Es más fácil vender a un cliente actual que a uno potencial; adquirir un nuevo cliente cuesta 4-10 veces más que mantener uno existente”, genera la siguiente pregunta: ¿Y… cómo lo sabes? Sencillo, aquí están los pasos:

  1. Crear una base de datos que tenga los clientes, su antigüedad con nosotros, sus compras, sus compras influenciadas por nuestros vendedores, sus compras en campañas especiales de publicidad y su nivel de satisfacción con cada transacción.
  2. Partiendo de los millones de datos que puede generar el paso anterior, elaborar operaciones para comparar niveles de compras entre clientes nuevos y clientes viejos y evaluar gastos en captación de nuevos clientes.
  3. Con base en los números arrojados, crear gráficas de interpretación y visualización analítica que nos permitan tomar la decisión de cuidar y premiar la fidelidad de nuestros clientes.

blog_erikaLa Inteligencia de Negocios ha logrado que las farmacias vendan comida, que las tiendas aumenten la nómina en el mes de diciembre y que existan las temporadas bajas y altas en los vuelos. Es responsable también de poner chocolates y revistas cercanas a la cola para pagar en el supermercado. Pero va mucho más allá, la Inteligencia de Negocios es ese motor trabajando tras bastidores para que la directiva de una empresa tome las decisiones correctas al momento de evitar pérdidas, ganar más y hacer el pronóstico certero. No es magia, es Inteligencia de Negocios.