Tecnológicamente, el Business Intelligence Estratégico reutiliza la tecnología clásica de los sistemas transaccionales.
Los sistemas de business Intelligence clásicos se basan en tecnologías de bases de datos relacionales.
El primer paso que se da al montar estos sistemas es la creación de un almacén de datos que provienen de las operaciones en una base de datos transaccional.
Al partir del supuesto (muchas veces erróneo) de que solo parte de los datos deben ser consultados, los datos de un almacén de datos deben ser modelizados para su consulta.
Si se requiere consultar grande volúmenes de datos, o consultar datos con gran nivel de detalle, se suele tropezar con un escollo relacionado a la tecnología; a mayor nivel de detalle menor es el rendimiento de la bases de datos del almacén.
La modelización de los datos se hace con algunas técnicas específicas (técnicas de estrellas, técnicas de copos de nieve, etc.), para intentar optimizar el rendimiento de las consultas.
Una vez modelizado el almacén de datos, se suele utilizar una herramienta de reporting basada en tecnología de hipercubos (OLAP, y variantes). Esta tecnología de cubos, requiere definir las dimensiones y las medidas por las que se accederá a la información.
Este suele ser otro escollo no siempre visible en la etapa de desarrollo. Lo que no se incluya en la definición de los cubos a priori, no siempre podrá incluirse a posteriori; lo que suele ocasionar no pocos problemas al generarse nuevas necesidades.
Una vez definidas las dimensiones y medidas, o los metadatos que componen las variantes de visualización, se llega a la última fase de maquetación de informes.
Este proceso parece el adecuado cuando los resultados que esperamos son indicadores estratégicos con ciclo de vida de medio largo plazo.
No debemos olvidar que este proceso pude durar entre 12 y 15 meses, por lo que es muy habitual que al obtener el resultado solicitado, ya no tenga sentido después de tanto tiempo.
Tecnológicamente, el Business Intelligence Operacional utiliza tecnología que permitan salvar los escollos producidos por la modelización de los datos, por el rendimiento en consultas complejas so sobre mucho volumen de datos y el acceso a la máxima granularidad, todos temas claves para las áreas de IT.
Pero además, se centra en la usabilidad. Si se piensa en el usuario, se le debe proponer un entrono amigable que le permita trabajar en forma intuitiva y con el concepto ya conocido de arrastrar y soltar.
El estado del arte actual, pone en evidencia que las bases de datos diseñadas para explotar información, como las bases de datos en columnas son la mejor respuesta para el almacenamiento de datos.
Ha varias razones para ello.
Por un lado, sus algoritmos de almacenamiento permiten un altísimo rendimiento comparadoras con las bases de datos relacionales, entre 50 y 1000 veces superior.
No requieren técnicas de modelización clásicas para explotar los datos, reduciendo drásticamente el esfuerzo de puesta en escena de los datos para se explotados.
Por su elevado rendimiento, permiten trabajar con grandes volúmenes de datos al máximo detalle, ocupando muy poco espacio de guardado en disco y requiriendo muy poco hardware para operar.
Como consecuencia de la utilización de otra tecnología, no solo los resultados son diferentes; todo el proceso de construcción de una solución de Business Intelligence se optimiza, según nos presentan los cuadros comparativos que siguen.
