Vanegas Alba Diego Armando 2019

INTELIGENCIA DE NEGOCIOS: MODELO PARA LA TOMA
DE DECISIONES, BASADO EN LA INTERACCIÓN DE LOS

CRITERIOS Y LAS ETAPAS DEL CICLO DE VENTAS EN EL
SUBSISTEMA COMERCIAL DE SERVICIOS EN UNA
EMPRESA DE IT EN LATINOAMÉRICA
Autor
Ing. Diego Armando Vanegas Alba
Tutor
PhD. Giovanny Mauricio Tarazona Bermúdez
UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

Maestría en Ingeniería Industrial
Énfasis en Gestión de las organizaciones y proyectos
Bogotá, Colombia
2019
Maestría en Ingeniería Industrial, énfasis en Gestión de Organizaciones y Proyectos
Resumen
Debido al crecimiento de las industrias y al rápido desarrollo de nuevas tecnologías, las
empresas del sector IT han sido obligadas a adaptar su subsistema comercial para lograr la
continuidad en el negocio, esta adaptación se logra mediante la renovación tanto de su
portafolio de servicios, como de sus herramientas de trabajo, dos aspectos primordiales de
éxito, más aun teniendo en cuenta la variabilidad del entorno empresarial que hace
imprescindible el uso de herramientas flexibles para afrontar cualquier cambio.
En la presente investigación se llevó acabo el desarrollo de un modelo para la toma de
decisiones en el subsistema comercial de servicios de Hewlett Packard Enterprise en
Latinoamérica, empleando una metodología que asocia la interacción de los criterios y las
etapas del ciclo de ventas, sobre una herramienta de inteligencia de negocios, lo cual permitió
simplificar procesos y disminuir tiempos en la obtención y análisis de la información para llevar
acabo la toma de decisiones.
Palabras Clave: Big Data, Business Analytics, Cloud Storage, Data Analytics, ETL,
Information technology.
Universidad Distrital Francisco José de Caldas
2
Abstract
Due to the growth of industries and the rapid development of new technologies, the
commercial subsystem of companies in the IT sector have been forced to renew both their
service portfolio and their work tools, which are essential for business continuity, even more
taking into account the variability of the business environment, so today flexible tools are
needed to face any change.
The development of a decision-making model in the commercial services subsystem of
Hewlett Packard Enterprise in Latin America was carried out using a methodology that
associates the interaction of the criteria and the stages of the sales cycle, this on a business
intelligence tool which allowed to simplify processes and reduce time in obtaining and
analysing the information to carry out the decision making.
Keywords: Data Analytics, Big Data, Business Analytics, ETL, Information technology,
Cloud Storage.
3
Tabla de Contenido
Resumen .............................................................................................................................. 2
Abstract................................................................................................................................. 3
1. Introducción ................................................................................................................... 8
2. Objetivos ...................................................................................................................... 10
3. Ciclo de ventas ............................................................................................................ 11
4. Criterios y Etapas del ciclo de ventas........................................................................... 13
5. Información .................................................................................................................. 15
6. Inteligencia de Negocios .............................................................................................. 16
7. Los Gerentes como tomadores de decisiones. ............................................................ 23
7.1. Toma de Decisiones ........................................................................................ 23
7.1.1. Tipos de Problemas y Decisiones .............................................................. 24
7.1.2. Certidumbre Riesgo e Incertidumbre .......................................................... 25
7.2. Control ............................................................................................................. 26
8. Tecnologías Existentes ................................................................................................ 28
8.1. Microsoft SharePoint ...................................................................................... 28
8.1.1. SharePoint Online. ..................................................................................... 29
8.1.2. OneDrive Empresarial ................................................................................ 29
8.2. CRM .................................................................................................................. 30
8.2.1. Salesforce.com .......................................................................................... 31
8.3. Herramientas ETL ............................................................................................ 32
8.3.1. IBM InfoSphere DataStage......................................................................... 33
8.3.2. Pentaho Data Integration (Kettle ETL) ........................................................ 34
8.3.3. Microsoft SQL Server Integration Services (SSIS)...................................... 35
8.4. Herramientas de Explotación de Datos ......................................................... 35
8.4.1. Pentaho Open BI Suite ............................................................................... 35
8.4.2. Microsoft SQL Server Analysis Services (SSAS) ........................................ 36
9. Modelo conceptual propuesto para la toma de decisiones ........................................... 37
9.1. Proceso actual de generación de reportes y análisis de información en
Hewlett Packard Enterprise Latinoamérica ................................................................. 37
9.2. Variables .......................................................................................................... 39
9.3. Modelo conceptual .......................................................................................... 39
9.3.1. Extracción de los Datos .............................................................................. 40
4
9.3.2. Estructuración de Datos ............................................................................. 41

9.3.3. Análisis de tendencias ................................................................................ 41
9.3.4. Panel de expertos ...................................................................................... 42
9.3.5. Pruebas y análisis ...................................................................................... 42
9.3.6. Implementación del modelo en plataforma de BI ........................................ 42
10. Validación del modelo .............................................................................................. 43
10.1. Extracción de los Datos .................................................................................. 43
10.2. Estructuración de Datos ................................................................................. 43
10.3. Identificación de tendencias........................................................................... 45
10.4. Panel de expertos............................................................................................ 47
10.5. Pruebas y análisis ........................................................................................... 49
10.6. Implementación del modelo en plataforma de BI .......................................... 52
10.7. Validación conceptual..................................................................................... 57
10.8. Accesibilidad ................................................................................................... 59
11. Evaluación y Análisis de Resultados ........................................................................ 60
12. Conclusiones ............................................................................................................ 61
13. Matriz contrastación de Objetivos ............................................................................ 63
14. Aportes ..................................................................................................................... 64
15. Líneas futuras de investigación ................................................................................ 65
16. Recomendaciones .................................................................................................... 66
17. Reconocimiento........................................................................................................ 66
18. Anexos ........................................................................ Error! Bookmark not defined.
18.1. Anexo 1: Comparativa de plataformas analíticas y de inteligencia de
negocios por Gartner Inc. .................................................... Error! Bookmark not defined.
18.1.1. Microsoft Power BI ........................................ Error! Bookmark not defined.
18.1.2. Tableau ......................................................... Error! Bookmark not defined.
18.1.3. Qlik View ....................................................... Error! Bookmark not defined.
18.2. Anexo 2: Concurso Hewlett Packard Enterprise de innovación a nivel
Latinoamérica 2017 .............................................................. Error! Bookmark not defined.
19. Referencias .............................................................................................................. 67
5
Lista de Tablas
Criterios del ciclo de ventas ................................................................................................ 13

Etapas del ciclo de ventas .................................................................................................. 14
Criterios de evaluación de la información. ........................................................................... 15
Falencias en el ambiente empresarial ................................................................................. 19
Metodologías Business Intelligence. ................................................................................... 21
IBM InfoSphere DataStage ................................................................................................. 34
Pentaho Data Integration (Kettle ETL) ................................................................................ 34
Descripción de proceso actual de generación de reportes .................................................. 38
Variables de la investigación ............................................................................................... 39
Clasificación de regiones según países .............................................................................. 44
Clasificación de negocios según su código ......................................................................... 44
Escenarios .......................................................................................................................... 46
Borrador de modelo para toma de decisiones ..................................................................... 47
Modelo para toma de decisiones ajustado .......................................................................... 49
Resultados etapa de prueba ............................................................................................... 50
Listado de Información necesaria para el desarrollo del modelo ......................................... 54
Tabla de tiempos ................................................................................................................ 58
Calculado vs Resultados 2018(%) ...................................................................................... 60
Matriz de Objetivos ............................................................................................................. 63
Resultados Intangibles de la Investigación.......................................................................... 64
Resultados Tangibles de la Investigación ........................................................................... 64
Resumen de fortalezas y precauciones plataformas BI .......... Error! Bookmark not defined.
6
Lista de Figuras
Ciclo de ventas ................................................................................................................... 11

Criterios del ciclo de ventas ................................................................................................ 13
Etapas del ciclo de ventas .................................................................................................. 14
Estructura de Business Intelligence .................................................................................... 20
Entorno de funcionamiento de Sharepoint .......................................................................... 29
Entorno de funcionamiento Onedrive empresarial............................................................... 30
Ecosistema de un CRM ...................................................................................................... 31
Proceso actual de generación de reportes .......................................................................... 38
Proceso ETL Propuesto ...................................................................................................... 40
Identificación de tendencias entre las variables .................................................................. 45
Etapas de Pruebas y análisis .............................................................................................. 49
Conexiones del modelo propuesto en Power BI .................................................................. 54
Modelo propuesto vista final en Power BI, MCA.................................................................. 56
Figura Información General Power BI, MCA ....................................................................... 56
Detalle de negocios en Power BI, MCA............................................................................... 57
Cuadrante mágico de Gartner 2019. ...................................... Error! Bookmark not defined.
7
1. Introducción
La información juega un papel decisivo en una organización hasta el punto de convertirse en
algunos casos en su principal patrimonio (Vera-Baquero, Colomo-Palacios, &| Molloy, 2014),
ya que de esta depende el desarrollo de las actividades cotidianas y la posibilidad de alcanzar
un alto nivel de competitividad y desarrollo. Es por esto, que las empresas actualmente
dedican gran parte de sus recursos a la obtención, procesamiento, aplicación y proyección
de la data con el fin de poder convertir los datos operativos en información que dé soporte a
la toma de decisiones, lo anterior se conoce como inteligencia de negocios, se espera por
tanto, que la información sea clara, precisa, y adaptable a los requerimientos y perfiles de a
quién va dirigida, además de ser rápida y estar disponible en el momento que se necesite de
una manera completa (Journal & Conscience, 2009).
El entorno empresarial es un sistema de complejidad creciente en el que permanentemente
hay generación y ganancia de nueva información a partir de la interacción entre las
organizaciones que lo componen(Ahmad, 2012), en el subsistema comercial de servicios en
empresas del sector de IT, esta interacción esta principalmente basada en la relación con los
clientes, sin embargo influyen otras variables como cambios políticos, económicos, legales,
surgimiento de nuevas empresas con fuertes estrategias competitivas, entre otras, por lo que
elegir entre varias opciones la más conveniente es cada vez más complejo, sin mencionar los
efectos de la globalización y el desarrollo de las tecnologías de la información, que son
algunos de los factores que también influyen en el entorno.
Se desarrolló un modelo para la toma de decisiones, aplicado en el subsistema comercial de
Hewlett Packard Enterprise, empresa dedicada al desarrollo y venta de soluciones de
tecnología, en Latinoamérica, el cual está basado en la interacción de los criterios y las etapas
de ciclo de ventas de servicios empresariales en IT, y se alimenta de datos en tiempo real,
8
generando una reducción de tiempos y mejora en los pronósticos de ventas proporcionando
así información más rápida y confiable.
La herramienta de desarrollo del modelo permite la descarga, procesamiento y clasificación
de los datos en las diferentes líneas de servicio del subsistema comercial, reduciendo
significativamente el tiempo de obtención de la información referente a las ventas y
simplificando la labor, disminuyendo costos y recursos asociados incluyendo un método de
pronóstico de ventas para servicios tecnológicos que genera importantes beneficios en
comparación con la metodología actual.
9
2. Objetivos
Objetivo General
Desarrollar e implementar un modelo para la toma de decisiones para el subsistema
comercial de una empresa del sector IT, sustentado en la convergencia de los criterios y
las etapas del ciclo de ventas de servicios, atendiendo la variabilidad del entorno.
Objetivos Específicos
 Realizar un diagnóstico de la situación actual sustentado en herramientas de planeación
estratégica, a fin de identificar la interacción apropiada entre los criterios y las etapas que
hacen parte del ciclo de ventas de servicios de IT.
 Establecer un marco de referencia conceptual que permita evaluar soluciones existentes
en la toma de decisiones en subsistemas comerciales.
 Proponer un modelo para la toma de decisiones basado en las interacciones identificadas
y los criterios que determinan el ciclo de ventas de servicios de IT.
 Validar el modelo propuesto, mediante un estudio de caso en Hewlett Packard Enterprise
en Latinoamérica.
10
3. Ciclo de ventas
A pesar de que cada venta es un proceso particular, las acciones que se desarrollan para
conseguir el objetivo de compra por parte del cliente potencial siguen un patrón
similar(Davenport & Harris, 2007). Es decir, que las ventas también tienen su proceso,
dividido en etapas que deben ser estudiadas y reforzadas por los vendedores, las cuales
veremos a continuación(Navarro Mejia, 2012) en la Figura 1,
Calificar al prospecto
Fijar una cita Hacer la presentación
Referencias y servicio Responder las objeciones

Postventa
Cerrar la venta
Figura 1. Ciclo de ventas. Fuente: Autor
 Conocimiento del Portafolio: No es posible tener una perspectiva eficaz sin antes
conocer todo lo indispensable acerca del portafolio de productos/servicios. Este es un
conocimiento básico para informar y convencer al cliente.
 Fijar una cita: En caso de las ventas corporativas, es necesario pactar una reunión
previa con la perspectiva. Algunos vendedores prefieren realizarlo vía telefónica,
aunque también es posible realizarlo por medio de un email o de manera personal.
 Calificar al prospecto: La calificación es una de las etapas más importantes, pues
en ella es posible anticipar si la perspectiva tiene altas posibilidades de convertirse en
cliente, o en otras palabras si va a comprar o no.
11
 Hacer la presentación: Luego de concertar la cita, llega el momento de la reunión
con la perspectiva de ventas. La mejor manera de causar una valoración positiva hacia
el producto, es mediante una buena presentación. En este aspecto se debe cuidar el
discurso así como la apariencia.
 Responder las objeciones: En esta etapa el cliente potencial empieza a expresar
sus dudas respecto al producto, por lo general incluye preocupaciones por la garantía
del producto, mantenimiento, instalación, capacitación o por cuestión de tiempo. El
vendedor debe estar capacitado para convertir esas objeciones en argumentos de
compra para finalmente lograr la venta.
 Cerrar la venta: Una vez respondidas las objeciones del cliente habrá llegado el
momento de cerrar la venta. Cerrar la venta también requiere de unas técnicas que el
vendedor debe practicar. De nada habrá valido realizar de forma eficiente los pasos
anteriores si no se cierra la venta adecuadamente.
 Referencias y servicio Postventa: Las ventas no terminan con el cierre.
Equivocadamente muchos vendedores olvidan pedir referencias, pues esto abre el
paso nuevas ventas. Cabe recordar que una venta cerrada es una señal de confianza
que se debe aprovechar, adicional a esto el servicio postventa que consiste en un
seguimiento después de la entrega del producto/servicio ayuda a afianzar la relación
con el cliente abriendo las puertas para futuros negocios
12
4. Criterios y Etapas del ciclo de ventas
En el mundo de ventas un vendedor debe llevar a cabo un seguimiento sobre los negocios
que se presentan con diferentes clientes teniendo en cuenta parámetros para así determinar
con facilidad el avance de cada negocio (Paesbrugghe, Rangarajan, Sharma, Syam, & Jha,
2017), para esto los parámetros usados son los criterios y las etapas del ciclo de ventas.
Los criterios hacen referencia al estado del negocio basado en las interacciones con el cliente
y los riesgos tanto internos como externos al negocio, este criterio lo define el vendedor según
su experiencia con cada tipo de cliente y/o por el tipo de solución que se esté ofreciendo,
estos criterios son de alto impacto pues según como se clasifiquen se tienen o no en cuenta
los negocios, para el pronóstico del periodo en curso, esta clasificación se divide en cinco (5)
criterios que vemos en la Figura 2 y detalladas en la Tabla 1.
Inicio Avanzado Comprometido Ganado/Perdido
Figura 2. Criterios del ciclo de ventas. Fuente: Autor
Criterios Descripción
Inicio Es el criterio inicial cuando se crea el negocio, e incluye la validación
de datos y el tipo de negocio que se va a desarrollar, estos negocios
se encuentran por fuera del pronóstico del periodo en curso.
Avanzado Son negocios con algún avance, pero que no tienen garantía de
cerrarse en el periodo en curso, pero podrían darse si sale todo según
lo planeado, estos negocios se encuentran por fuera del pronóstico
del periodo en curso.
Comprometido Estos negocios se encuentran en su etapa final y se cerraran en el
periodo en curso, por lo cual se encuentran en el pronóstico del
periodo en curso.
Ganado Son negocios de los cuales ya se recibió orden de compra por parte
del cliente, por lo cual se encuentran en el pronóstico del periodo en
curso.
Perdido Técnicamente este no es un criterio, pero es la forma de identificar los
negocios que se perdieron por alguna razón.
Tabla 1. Criterios del ciclo de ventas. Fuente: Autor
13
En cuanto a las etapas del ciclo de ventas, sirven para definir el estado de un negocio en un
determinado periodo o momento, estas etapas dependen de la interacción entre el cliente y
el vendedor con su equipo de soporte, este proceso se representa por un embudo, pues
conforme avanza se van decantando los clientes que tienen real interés y recursos para hacer
la compra, estas etapas son las presentadas en la Figura 3 y detalladas en la Tabla 2.
Figura 3. Etapas del ciclo de ventas. Fuente: Autor
Etapas Descripción
1. Entendimiento del En esta etapa se busca entender las necesidades
cliente del cliente.
2. Validación del En esta etapa se valida que se tiene la solución a
negocio las necesidades del cliente.
3. Calificación del En esta etapa se determina la posible o posibles
negocio soluciones para satisfacer las necesidades del
cliente.
4. Desarrollo de la En esta etapa el equipo de soporte de ventas
Solución desarrolla una solución acorde a las necesidades
del cliente.
5. Presentación de la En esta etapa se presenta de manera formal la
solución solución propuesta para que el cliente apruebe o
pida cambios sobre esta.
6. Negociación y cierre En esta etapa se lleva a cabo la negociación final
para fijar los términos económicos y legales.
7. Ganado en desarrollo En esta etapa se lleva a cabo la entrega y el
y entrega desarrollo de la solución.
Tabla 2. Etapas del ciclo de ventas. Fuente: Autor
14
5. Información
La información está conformada por los “datos que se han moldeado en una forma
significativa y útil para los seres humanos” (Hernández, Fernández, Baptista, Laudon, &
Laudon, 2014). Mientras que los “datos son secuencia de hechos en bruto y representan
eventos que ocurren en las organizaciones o en el entorno físico antes de ser organizados y
ordenados en una forma que las personas puedan entender y utilizar”(Ram, Zhang, &
Koronios, 2016). La información se puede interpretar como el resultado de haber organizado
o analizado los datos de alguna manera y con un propósito.
La información debe evaluarse en cuatro sentidos como se muestra en la Tabla 3.
Sentido Definición
Calidad En cuanto más exacta sea la información, mayor será su
calidad y su confianza, para la toma de decisiones.
Oportunidad La información que ofrece un sistema de información debe
estar al alcance de la persona indicada, en el momento
oportuno, para que se puedan tomar las medidas
adecuadas.
Cantidad Los gerentes no pueden tomar decisiones exactas y
oportunas si no cuentan con suficiente información. No
obstante, muchas veces éstos reciben mucha información
irrelevante e inútil. Si los gerentes reciben más información
de la que pueden usar en forma productiva, quizás pasen
por alto la información sobre problemas graves.
Relevancia La información que reciben los gerentes debe ser relevante
para sus funciones y labores.
Tabla 3. Criterios de evaluación de la información.
El sistema de información se alimenta de datos, que son procesados y como resultado se
obtiene información la cual será utilizada por los usuarios interesados. Éstos serán los que
aportan la retroalimentación al proceso para mejorar la entrada de datos.
15
6. Inteligencia de Negocios
El concepto de Inteligencia de Negocios puede relacionarse con el concepto de éxito
expresado en el libro “el arte de la guerra” de Sun Tzu, donde para alcanzarlo es
imprescindible conocer tanto las fortalezas y debilidades de uno mismo, así como las del
enemigo, ya que el desconocimiento de estas puede llevar a la derrota. Lo mismo ocurre en
las organizaciones y en el ambiente empresarial, en donde los retos y las ventajas
competitivas que se pueden lograr para alcanzar el éxito y la sostenibilidad en el mercado
dependen en gran medida de obtener información significativa de los datos, diferenciando
patrones y tendencias que permitan tomar decisiones más precisas.
En sus inicios las empresas carecían de herramientas computacionales y tecnológicas que
permitieran procesar la información por lo que la mayoría de decisiones (estratégicas, tácticas
y operativas) eran tomadas por intuición. Posteriormente H. P. Luhn pionero de las ciencias
de la información e investigador de la empresa International Bussines Machines corp. (IBM)
utilizó el término “Business intelligence system”(Luhn, 1958) en 1958 para referirse a un
sistema automático que aceptaba información en formato original y diseminaba los datos
rápidamente a los lugares correctos, para cumplir con estos objetivos eran necesarias
técnicas como la auto abstracción y auto codificación de documentos, y la creación y
actualización automática de perfiles de usuarios, sin embargo estas técnicas eran
principalmente estadísticas y no eran eficaces si no se contaba con facilidades en los
sistemas de comunicación y en los medios de entrada y salida.
Estas técnicas evolucionaron hasta la aparición de un conjunto de conceptos y métodos para
mejorar la toma de decisiones en los negocios, utilizando sistemas de apoyo basados en
hechos bajo el acrónimo de “BI” (Inteligencia de negocios), nombrado así por Howard Dresner
en 1989, el termino ha evolucionado notoriamente y en la actualidad incluye amplias
categorías de aplicaciones, tecnologías y metodologías que permiten extraer, reunir,
16
clasificar, transformar, analizar, realizar transacciones con información estructurada mediante
la explotación directa (consultas, reportes, informes, etc.) o haciendo uso del análisis para la
conversión de la información en conocimiento.(Ahumada, Manuel, & Perusquia, 2016)
Sin embargo la inteligencia de negocios no solo depende del uso de metodologías y
tecnologías de punta sino también se ve afectada por la carencia de conocimiento de los
factores tanto internos como externos (ambiente económico, comportamiento de mercado,
legislación, cambios de divisa, nivel de comunicación interna, operaciones internas, etc.) que
intervienen en una organización(Sharma, Singh, & Singh, 2016), estos factores influyen
generalmente en todos los stakeholders del negocio (clientes, competidores, socios, etc.) por
lo que su conjunto guía las decisiones del negocio permitiendo generar fuertes ventajas
competitivas.
Como lo planteo Dill (1958) “La mejor forma de analizar el entorno no es tratar de entenderlo
como una colección de otros sistemas y organizaciones, sino tratarlo como información a la
cual la empresa debe acceder mediante actividades de investigación”. También afirmó que
“no son los proveedores ni los clientes en sí mismos los que cuentan, sino la información
disponible para la empresa acerca de sus metas, intereses, condiciones bajo las cuales se
relacionan con la empresa y muchos otros aspectos de su comportamiento, los que
verdaderamente ayudan a identificar sus características y expectativas para con la
organización”.
De manera similar Ansoff (1969) planteo “El acelerado paso de los productos, los rápidos
cambios del mercado, requieren que las firmas del mañana tengan una amplia ventana
abierta para ver claramente el entorno de los negocios. Las firmas exitosas no solamente
deben ser capaces de percibir oportunidades, sino de saber cómo anticiparse a ellas. Como
respuesta a los cortos plazos, las firmas exitosas deben ver hacia afuera nuevas aplicaciones
para nuevas tecnologías, empezar los desarrollos de productos antes de que se presente la
17
demanda, cultivar y estimular la demanda, y establecer las estrategias de penetración del
mercado anticipándose a la demanda. Asimismo, la firma debe desarrollar un alto sentido de
anticipación de posibles acuerdos o desarrollos tecnológicos de las empresas rivales.”
El uso de la inteligencia de negocios ha evolucionado a pasos agigantados en proporción al
auge de las tecnologías de la información y al crecimiento de la industria global. Son
numerosas las definiciones del termino de inteligencia de negocios dadas por expertos en el
área. “Business Intelligence suele definirse como la transformación de los datos de la
compañía en conocimiento para obtener una ventaja competitiva.” (Gartner Inc, 2019)
Desde un punto de vista más pragmático asociado con las tecnologías de la información se
define como conjunto de metodologías, aplicaciones y tecnologías que permiten reunir,
depurar y transformar datos de los sistemas transaccionales e información desestructurada
(interna y externa a la compañía) en información estructurada, para su explotación directa
(reporting, análisis OLAP...) o para su análisis y conversión en conocimiento soporte a la toma
de decisiones sobre el negocio (Ibermática, 2007). Según Vitt, Luckevich y Misner la
inteligencia de negocios “es un enfoque para la gestión empresarial que permite a una
organización definir qué información es útil y relevante para la toma de decisiones
corporativas. Business Intelligence es un concepto polifacético que fortalece a las
organizaciones para tomar mejores decisiones más rápidamente, convertir los datos en
información y usar una estrategia inteligente para la gestión empresarial.”, de manera similar
Salcedo la define como “la aplicación de técnicas y tecnologías específicamente diseñadas
para facilitar y mejorar los procesos de toma de decisiones en el ámbito empresarial."
De las definiciones anteriores se puede concluir que la inteligencia de negocios es el uso de
tecnologías, procesos y herramientas para transformar los datos en información y la
información en conocimiento, para que este último soporte y permita tomar decisiones más
convenientes para la empresa permitiéndole obtener mejores resultados.
18
En el ambiente empresarial la inteligencia de negocios juega un rol crucial, mitigando
falencias (Tabla 4 ) que actualmente se encuentran como (Antoniadis, Tsiakiris, & Tsopogloy,
2015):
Falencias Descripción
Almacenar los datos sin No solo es importante tener repositorios de datos de
convertirlos en clientes compras, ventas, costos, etc. si no que se
información necesita profundizar en ello para hallar tendencias, dar
seguimiento, entender, administrar y así descubrir
información que pueda maximizar rendimientos.
Manipulación manual Estas herramientas no son las más confiables, resultan en
procesos costosos, lentos, propenso a errores e
interpretaciones subjetivas, así como a duplicación de
trabajo
Fragmentación No se tiene una visión global de la empresa si no que la
información o datos se manejan por dependencia o
departamento.
Poca agilidad Resultados en rendimiento bajo cuando se toma la
decisión ya han cambiado las variables y datos del entorno
e incluso propias.
Escasa flexibilidad El usuario debe amoldarse a los informes predefinidos.
Tabla 4. Falencias en el ambiente empresarial. Fuente: Autor
Por lo que la inteligencia de negocios permite Manejar el crecimiento de la empresa, controlar
mejor los costos, entender mejor a los clientes y al mercado, generar indicadores de gestión
y de desempeño que realmente representen una estrategia organizacional, entre otros
beneficios.
Debido a esto las empresas han optado por emplear arquitecturas de inteligencia de negocios
que consisten en 1) La extracción de datos de múltiples fuentes simultáneas (archivos,
informes, bases de datos, reportes). 2) Proceso de extracción, transformación y carga
conocido con las siglas ETL, en este proceso se define que datos se extraerán de las fuentes,
si necesitan un pre-procesamiento es decir algún tipo de modificación o transformación y se
define donde se ubicaran (cargaran) esos datos, a este proceso se le conoce como mapping.
3) Almacenamiento de los datos transformados representados visualmente en modelos
multidimensionales, dimensiones y tablas de datos en un repositorio de datos 4) Motor BI que
permita habilitar componentes, administrar consultas, monitorear proceso, hacer seguimiento
19
a cálculos y métricas, etc y 5) finalmente la interface de acceso al usuario que permite la
interacción de los perfiles con los datos ya sean resultado de consultas o los indicadores de
gestión construidos por el sistema. Lo anterior se representa en la Figura 4.
Figura 4. Estructura de Business Intelligence. Fuente: Adaptado de (Ibermática, 2007)
La inteligencia de negocios es vista desde sus dos dimensiones principales la dimensión de
procesos y la dimensión de gestión, dentro de cada una se cuenta con una serie de
conceptos, metodologías y tecnologías que se interrelacionan (Satiko, Miro, Francisco, &
Gomes, 2015), es decir, tanto herramientas informáticas como paradigmas de comprensión
de la organización operan en conjunto para lograr la inteligencia de negocios, por tanto, no
existe una única herramienta, metodología o técnica a emplear , entre estas algunas
encontradas en la literatura se citan en la Tabla 5.
20
Metodología Descripción
Gestión Balance Score Card, mapas estratégicos, pensamiento sistémico y
empresarial
complejo para entender la organización, teorías de soporte basadas
en técnicas de gestión del desempeñó como costeo basado en
Actividad (ABC), Gestión por proceso de negocio (BPM), Gestión de
rendimiento del negocio (BPM-CPM-EPC), procesos de gestión
tecnológica y de proyectos para la toma de decisiones, entre otros.
Aplicación Aplicaciones de Extracción, transformación y carga (ETL), sistemas
Tecnológica
gestores de bases de datos (DBMS), Bases de datos relacionales
(RDBMS), bases de datos multidimensionales, Modelado
multidimensional, Online analytic Processing (OLAP), cuadros de
mando integrales (CMI), Sistema de Información ejecutiva (EIS),
Sistemas de soporte de decisión (DSS), minería de datos, entre otras.
Tabla 5. Metodologías Business Intelligence.
(Andres et al., 2011): Este proyecto fue realizado para Hewlett-Packard Chile, filial de HP
Company, en él se diseña e implementa una solución rentable de Inteligencia de Negocios
que automatiza la creación de reportes, permitiendo visualizar Tableros o Dashboards
dinámicos con acceso a información histórica. Además, incluye un método de pronóstico de
ventas para productos tecnológicos. La herramienta fue desarrollada a nivel de prototipo
funcional, utilizando Visual Basic para Aplicaciones, Microsoft Access y PowerPivot para
Excel.
(Giudice et al., 2010): Este proyecto tuvo como objetivo principal seleccionar parte del Data
Warehouse existente e investigar distintas tecnologías Open Source Business Intelligence,
analizando la posible implementación de los cubos tomados con alguna herramienta que
permitiera lograr el mismo desarrollo en el sistema SIU de la Universidad Nacional de
Córdoba (UNC).
Con los resultados obtenidos se logró disminuir los costos que el cliente debe afrontar en
licencia y mantenimiento del sistema vigente, ofreciendo finalmente una solución de alto
rendimiento y calidad para el soporte a la toma de decisiones (Giudice et al., 2010).
21
(Alfredo & Salamanca, 2013): Se propone un modelo de integración para las pymes basado
en investigaciones respectivas a partir de las necesidades e intereses que se ven en las
distintas organizaciones. Al tener el modelo propuesto se hizo la verificación y análisis
arrojando la viabilidad de la implementación del modelo dentro cualquier organización
trayendo así beneficios para su crecimiento.
Estos son algunos de los trabajos que emplean la inteligencia de negocios en una
organización en específico (sector empresarial IT) generando impactos significativos en las
medidas de desempeño de los sistemas y en su funcionamiento.
22
7. Los Gerentes como tomadores de decisiones.
La toma de decisiones es la esencia del trabajo del Gerente de modo que la calidad de sus
decisiones tiene gran influencia en el éxito o fracaso de una organización (Vera-Baquero,
Colomo-Palacios, & Molloy, 2014). Las limitaciones a la acción de los gerentes, algunas de
las cuales son la cultura de la organización, el medio externo, políticas internas,
consideraciones de poder(Kim, Khon, & Aidosova, 2016).
Sin embargo ello no quita, que cualquiera sea su nivel en la organización, todos los gerentes
toman decisiones, las cuales pueden abarcar temas relacionados a la supervivencia de la
empresa hasta el cierre de un contrato de compra de insumos o el ascenso de un empleado.
El futuro de una empresa depende entonces en gran medida, de la calidad de las decisiones
que tomen sus gerentes para responder a las condiciones del mercado y de la competencia
(Piontkewicz, Freitas, Kemczinski, & Martin, 2016)
7.1. Toma de Decisiones

“La toma de decisiones es un proceso de definición de problemas, recopilación de datos,
generación de alternativas y selección de un curso de acción.” (Khan & Quadri, 2012)
La toma de decisiones es el proceso para identificar un curso de acción para resolver un
problema específico (Wibowo, Grandhi, & Deng, 2016). Ésta definición difiere de la primera
en que parte de la identificación de un curso de acción para resolver un problema específico,
mientras que la primera parte de la definición del problema para llegar al curso de acción.
Las tres definiciones tratan a la toma de decisiones como un proceso. La toma de decisiones
está unida a la percepción de una La situación problemática va a requerir nuestra atención
según el grado de dificultad de tal situación.
23
7.1.1. Tipos de Problemas y Decisiones
Los diferentes problemas requieren diferentes tipos de decisiones. La toma de decisiones es
uno de los roles más importantes de los gerentes. Los sistemas de información han ayudado
a los gerentes a comunicar y distribuir la información; sin embargo; han proporcionado poca
asistencia para la toma de decisiones administrativa.
El proceso de toma de decisiones pueden ser decisiones programadas o no
programadas:(Serra & Kunc, 2014)
 Las programadas: son decisiones que se toman rutinariamente, y que son reguladas
mediante reglas o guías que deberán ser seguidas si se presentan determinadas
situaciones, se usan para abordar problemas recurrentes.
 Las no programadas: son decisiones tomadas ante situaciones inesperadas, no
previstas y que por lo tanto no se dispone de reglas o guías a seguir en tales casos.
Estas decisiones se toman sobre la base de la “intuición” (decisiones instantáneas con
poca información) o sobre la base de “juicios razonados”, (decisiones para las que es
necesario compilar, generar y evaluar alternativas).
La toma de decisiones se puede clasificar de acuerdo con el nivel organizacional en que
ocurre (Hernández et al., 2014)
1. La toma de decisiones estratégica: determina las metas, los recursos, y las políticas
a largo plazo.
2. La toma de decisiones para el control administrativo: se refiere a la manera eficiente
y eficaz de utilizar los recursos y de qué tan bien se desempeñan las unidades
operativas.
3. La toma de decisiones del control operativo: determina cómo realizar las tareas
específicas establecidas por los encargados de las decisiones estratégicas y de nivel
gerencial medio.
4. La toma de decisiones a nivel del conocimiento: tiene que ver con la evaluación de
nuevas ideas sobre productos y servicios, de las formas de comunicar el nuevo
conocimiento y de las maneras de distribuir la información por toda la organización.
24
Es posible dar una clasificación a las decisiones que se toman en cada uno de estos niveles
como decisiones estructuradas y no estructuradas (Kaiser, El Arbi, & Ahlemann, 2014)
 Las decisiones no estructuradas: son aquellas en las que el encargado de tomarlas

debe aportar criterio, evaluación y entendimiento a la definición del problema. Son
decisiones novedosas y no rutinarias.
 Las decisiones estructuradas son repetitivas y rutinarias e implican un procedimiento
definido para manejarlas. Algunas decisiones son semiestructuradas; en estos casos
sólo parte del problema tiene una respuesta bien definida proporcionada por un
procedimiento aceptado.
Se puede hacer una analogía entre las decisiones no estructuradas con las decisiones no
programadas y las decisiones estructuradas con las programadas.
7.1.2. Certidumbre Riesgo e Incertidumbre
En la toma de decisiones los gerentes deben ponderar alternativas, muchas de las cuales
implican hechos futuros difíciles de pronosticar (AbdelRahman, Zhang, Bray, & Kawamoto,
2014), aquí entran en juegos 3 factores muy importantes en la toma de decisiones que son:
 Certidumbre: Es la situación para tomar decisiones en la que los gerentes cuentan

con información exacta, mensurable y confiable sobre los resultados de las diversas
alternativas que están considerando.
 Riesgo: Es la situación para tomar decisiones en la que los gerentes saben que las
probabilidades de una alternativa dada conducirá a una meta o resultado deseado.
 Incertidumbre: Es la situación para tomar decisiones en la que los gerentes enfrentan
condiciones externas imprevisibles o carecen de la información necesaria para
establecer las probabilidades de ciertos hechos.
Es posible tener en cuenta distintas situaciones que nos enfrentamos a la hora de tomar
decisiones que caben resaltar:
 Certeza: se toma la decisión conociendo los resultados de todas las alternativas.

 Riesgo: se estima la probabilidad de los resultados, y sobre la base de estas, se toman
las decisiones.
25
 Incertidumbre: no se conoce los resultados y tampoco las probabilidades de esos

resultados.
Por lo que la decisión va a estar basada por cuan adverso al riesgo es la persona que toma
la decisión.
7.2. Control
El control, es el proceso que consiste en supervisar las actividades para garantizar que se
realizan según lo planeado y corregir cualquier desviación significativa También es posible
definir dentro del concepto de control 2 perspectivas (Aliverdi, Moslemi Naeni, & Salehipour,
2013):
 Perspectiva Limitada: en donde el control es entendido como un análisis a posteriori,
dónde se compara resultados alcanzados con los objetivos pautados. Para este tipo
de control se utilizan sistemas de control contables.
 Perspectiva más amplia: la cual entiende que el control se ejerce a través de diferentes
mecanismos que miden el resultado final y se enfocan en orientar e influir en el
comportamiento individual y organizativo para que el mismo sea el más adecuado
para alcanzar los objetivos de la organización. El control es realizado por cada una de
las personas de la organización, y el mismo se realiza en todo momento, no solo a
posteriori.
La necesidad de control surge como consecuencia de la no coincidencia entre los intereses
personales de cada individuo y los objetivos organizativos. Esto hace que tienda a prevalecer
los personales en detrimento de los organizativos (Costa Bilbao & Ferreira Bica, 2010). Pero
también es necesario el control debido a que a pesar que pauten y se regule el
comportamiento que se espera de cada uno de los integrantes de la organización, siempre
existe un “margen de maniobra”, el cual permite elegir entre distintas alternativas de acción y
decisión posible.
26
Es por lo anterior, que el proceso de control deber enfocarse en que el comportamiento de
cada individuo sea el más apropiado para los objetivos de la organización. El proceso de
control se convierten en un conjunto de mecanismos, formales o informales, para que el
comportamiento de las personas que conforman parte de la empresa sea coherente con los
objetivos de la dirección.
27
8. Tecnologías Existentes
Durante los últimos años y gracias a la rápida evolución tecnológica, se han desarrollado
herramientas que permiten llevar a cabo procesos de manera automatizada y confiable,
permitiendo enfocarse en áreas de desarrollo, generando así un ambiente amigable no solo
para el procesamiento de datos si no permitiendo compartir en tiempo real estos datos,
incluso brinda canales de comunicaciones seguros y agiles con lo que realizar trabajo
colectivo se vuelve más fácil y con costos relativamente bajos.
Estos cambios se dan en un momento crucial, pues con el rápido crecimiento de la industria,
se volvió primordial no solo tener la información rápida y eficazmente, si no también
garantizando altos niveles de seguridad, pues la información se convirtió en uno de los activos
más valioso de las organizaciones.
8.1. Microsoft SharePoint

Es una plataforma de colaboración empresarial, formada por productos y elementos
de software que incluye, entre una selección cada vez mayor de componentes, funciones
de colaboración, basado en el navegador web, módulos de administración de procesos,
módulos de búsqueda y una plataforma de administración de documentos (gestión
documental).
SharePoint puede utilizarse para sitios de webhost que acceda a espacios de trabajo
compartidos, almacenes de información y documentos, así como para alojar aplicaciones
definidas como los wikis y blogs. Todos los usuarios pueden manipular los controles
propietarios llamados "web parts" o interactuar con piezas de contenido, como listas y
bibliotecas de documentos.
Las organizaciones usan SharePoint para crear sitios web. Se puede usar como un lugar
seguro donde almacenar, organizar y compartir información desde cualquier dispositivo, así
28
como acceder a ella. Lo que necesita es un explorador web, como Microsoft Edge, Internet
Explorer, Chrome o Firefox. (Server, 2007)
8.1.1. SharePoint Online.
Es un servicio basado en la nube, hospedado por Microsoft, para empresas de todos los
tamaños. En lugar de instalar e implementar SharePoint Server local, cualquier empresa
puede suscribirse a un plan de Office 365 o al servicio de SharePoint Online independiente.
Sus empleados pueden crear sitios para compartir documentos e información con sus
compañeros, asociados y clientes, para empezar a almacenar archivos en su sitio de grupo.
(Microsoft Inc, 2018a)
Figura 5. Entorno de funcionamiento de Sharepoint.

Fuente: Adaptado de (Microsoft Inc, 2018a)
8.1.2. OneDrive Empresarial
Un programa de escritorio que permite sincronizar documentos desde un sitio web a cualquier
equipo para su uso sin conexión, es una parte integral de Office 365 o SharePoint y
proporciona un lugar en la nube para almacenar, compartir y sincronizar archivos de trabajo.
Con OneDrive Empresarial, es posible actualizar y compartir archivos desde cualquier
dispositivo. Incluso se puede trabajar en documentos de Office con otros usuarios al mismo
tiempo, garantizando un ambiente seguro. (Microsoft Inc, 2018b)
29
Figura 6. Entorno de funcionamiento Onedrive empresarial.

Fuente: Adaptado de (Microsoft Inc, 2018b)
8.2. CRM
Un CRM es una solución de gestión de las relaciones con clientes, orientada normalmente a
gestionar tres áreas básicas: la gestión comercial, el marketing y el servicio postventa o de
atención al cliente.
El uso de un CRM forma parte de una estrategia orientada al cliente en la cual todas las
acciones tienen el objetivo final de mejorar la atención y las relaciones con clientes y
potenciales (Salah, Hassan, & Abd, 2018).
La herramienta CRM y la orientación al cliente proporcionan resultados demostrables, tanto
por disponer de una gestión comercial estructurada y que potencia la productividad en las
ventas como por ofrecer un conocimiento profundo del cliente que permite plantear campañas
de marketing más efectivas (Agnihotri, Trainor, Itani, & Rodriguez, 2017).
Las funciones de atención al cliente de una herramienta CRM potencian además la
fidelización y satisfacción de los clientes, lo que tiene un impacto muy positivo en términos de
ventas recurrentes y cruzadas.
La definición de CRM (en inglés Customer Relationship Management, o Gestión de las
relaciones con clientes) es una aplicación que permite centralizar en una única Base de Datos
todas las interacciones entre una empresa y sus clientes (Dahl, 2018).
30
El software CRM, por definición, permite compartir y maximizar el conocimiento de un cliente
dado y de esta forma entender sus necesidades y anticiparse a ellas. Por definición, el CRM
recopila toda la información de las gestiones comerciales manteniendo un histórico detallado.
Una solución CRM permite dirigir y gestionar de forma más sencilla las campañas de
captación de clientes y de fidelización (Dalla, Goetz, & Michel, 2018). Gracias al CRM se
puede controlar el conjunto de acciones realizadas sobre los clientes o clientes potenciales,
y gestionar las acciones comerciales a partir de un cuadro de mandos detallado.
Las empresas que utilizan soluciones CRM generan más oportunidades de venta, agilizando
la gestión, con presupuestos actualizados en tiempo real y procesos de ventas optimizados.
Del mismo modo las empresas que utilizan CRM pueden hacer mejores segmentaciones, y
disponen de la información para un servicio de atención al cliente y postventa de nivel
superior.
Figura 7. Ecosistema de un CRM. Fuente: Autor
8.2.1. Salesforce.com
Salesforce es una herramienta de gestión de relaciones con clientes la cual ofrece servicios
basados en la nube, ofreciendo diferentes facilidades para administración y consulta de
información relacionada con las actividades comerciales, también cuenta con módulos que
31
permiten llevar a cabo tareas adicionales y establecer perfiles para los diferentes tipos de
usuario que hacen uso de este.
Cuenta con un sitio dedicado para el aprendizaje de nuevos usuarios, en donde cuenta con
un repositorio de videos y guías acerca de sus funciones principales y algunas avanzadas,
permitiendo así una rápida adaptación a su entorno y reduciendo así la curva de aprendizaje.
Esta herramienta también cuenta con la opción de acceder desde diferentes plataformas bien
sea desde un computador o desde un dispositivo móvil Android o iOS, lo cual la hace que el
usuario tenga diferentes opciones para hacer consultas o modificaciones sobre las
actividades comerciales de la organización. (Salesforce, 2018)
Por lo anterior y por ser una herramienta desarrollada como disruptora en el mercado en el
segmento de los CRM, Hewlett Packard Enterprise cuenta con sus servicios desde el año
2010, convirtiéndolo en un aliado estratégico para generar nuevos negocios y tener soporte
sobre sus plataformas de clientes.
8.3. Herramientas ETL

Las herramientas que se presentan a continuación se caracterizan por ser las más conocidas
y usadas en el sector empresarial, cabe aclarar que para el desarrollo de un modelo de
inteligencia de negocios, es posible usar múltiples herramientas que se ofrecen en el
mercado. (Theodorou, Abelló, Thiele, & Lehner, 2017)
ETL son las siglas en inglés de Extraer, Transformar y Cargar (Extract, Transform and Load).
Es el proceso que permite a las organizaciones mover datos desde múltiples fuentes,
reformatearlos y limpiarlos, y cargarlos en otra base de datos, data mart, o data warehouse
para analizar, o en otro sistema operacional para apoyar un proceso de negocio.
Los procesos ETL también se pueden utilizar para la integración con sistemas heredados,
aplicaciones antiguas existentes en las organizaciones que se han de integrar con los nuevos
32
aplicativos. A continuación se describen las características más importantes de algunas
Herramientas ETL. (Astriani & Trisminingsih, 2016)
8.3.1. IBM InfoSphere DataStage
IBM® InfoSphere® DataStage® es una herramienta ETL de IBM, a continuación se presentan
sus características y ventajas más representativas.
Es una poderosa solución ETL que realiza el procedimiento de recopilación, integración y
transformación de grandes volúmenes de datos, con estructuras de datos tanto simples como
muy complejos.
 Permite a las empresas resolver grandes problemas de negocio trabajando con gran
rendimiento en el procesamiento de altos volúmenes de datos.
 Permite a los desarrolladores maximizar la velocidad, la flexibilidad y la eficacia en las
etapas de construcción, despliegue, actualización y administración de la
infraestructura de la integración de los datos.
 Brinda conectividad entre cualquier fuente de datos de cualquier aplicación. Permite
crear, mantener fácil y rápidamente almacenes de datos provenientes de sistemas de
Aplicaciones Empresariales como SAP, Siebel, Oracle y PeopleSoft CRM y de otros
sistemas relacionados al negocio.
 Permite realizar el diseño de tareas que extraen, integran, agregan, cargan y
transforman los datos para el Data Warehouse o Datamart. Las tareas son compiladas
para crear ejecutables que son calendarizados por el Director y ejecutadas por el
Servidor
 Es Multiplataforma, trabaja con los sistemas operativos AIX, HP-UX, Linux, Solaris,
Windows.
 Es una solución licenciada.
33
Consta de cuatro componentes Administrator, Designer, Director, Manager. Los cuales son
detallados en la Tabla 6.
Componente Descripción
Interfaz de usuario usada para configurar los proyectos de
Administrator Datastage y los usuarios. Gestionar tanto proyectos Datastage
en ambientes de desarrollo como de producción.
Usado para crear, diseñar, compilar, probar y ejecutar tareas
Designer Datastage. Este componente está orientado al trabajo de
desarrolladores
Usado para validar, calendarizar, probar, ejecutar y monitorear
Director
los jobs Datastage
Interfaz de Usuario usara para visualizar y editar el contenido
Manager
del repositorio
Tabla 6. IBM InfoSphere DataStage. Fuente: Autor
8.3.2. Pentaho Data Integration (Kettle ETL)
Pentaho Data Integration es una herramienta ETL Open Source, a continuación se presentan
sus características y ventajas más representativas, se encuentra desarrollado en Java, su
ambiente de implementación también está basado en Java. Es una herramienta Open Source
Business Intelligence. Esta herramienta cuenta con un entorno de interfaz gráfica amigable,
que permite realizar diseños en un entorno de “drag and drop”. Lo cual hace que su uso sea
sencillo, es multiplataforma, trabaja con los sistemas operativos MS-Windows y Linux, consta
de cuatro componentes Spoon, Pan, Chef, Kitchen. Los cuales son detallados en la Tabla 7.
Componente Descripción
Spoon Interfaz de usuario usada para realizar el diseño

gráfico del proceso ETL.
Pan Usado para ejecutar el proceso ETL diseñado con

Spoon.
Chef Usado para diseñar la carga de datos, incluye un

control de estado de los trabajos que se programan.
Kitchen Usado para ejecutar los trabajos de batch

diseñados con Chef.
Tabla 7. Pentaho Data Integration (Kettle ETL). Fuente: Autor
34
8.3.3. Microsoft SQL Server Integration Services (SSIS)
SQL Server Integration Services (SSIS) es un componente de Microsoft SQL Server 2005 y
2008, es una herramienta rápida y flexible que permite realizar procesos ETL. A continuación
se presentan sus características y ventajas más representativas:
 Solo está disponible en las ediciones “Standard” y “Enterprise”.
 Provee una plataforma que permite construir procesos ETL.
 Trabaja con paquetes, cada paquete contiene el diseño del proceso ETL; el cual es
diseñado con la herramienta visual basada en Microsoft Visual Studio de SQL Server,
denominado Business Intelligence Development Studio.
 Permite a los usuarios crear, editar paquetes usando una interface “drag and drop”.
Los paquetes que crea son guardados en archivos XML.
 Los paquetes pueden acceder a diversas fuentes de datos, como base de datos,
archivos de texto, archivos excel, etc.
 Trabaja solo con el sistema operativo Microsoft Windows.
8.4. Herramientas de Explotación de Datos

La mala gestión de los datos, causan en las empresas ineficiencias representadas en tiempo
y dinero. El correcto tratamiento y explotación brindan una visión realista, ayudando en la
toma de decisiones
Actualmente las compañías escogen las soluciones que se adaptan de manera adecuada a
sus necesidades, generando que, en diversas ocasiones, cuenten con varias soluciones para
gestionar los diferentes procesos dentro de su organización.
8.4.1. Pentaho Open BI Suite
La Suite de Pentaho ofrece las siguientes herramientas que sirven para realizar la explotación
de los datos. A continuación se presentan sus características y ventajas más representativas.
35
 La herramienta Reporting, permite generar informes ágiles y de gran capacidad, así
también permite obtener los resultados en múltiples formatos, que incluyen la opción
imprimir o exportar a formato PDF, XLS, HTML y texto.
 La herramienta Analysis, provee a los usuarios un sistema avanzado de análisis de
información. Mediante el uso de tablas dinámicas el usuario puede navegar por los
datos, ajustando la visión de los datos añadiendo o quitando campos según requiera
visualizar.
8.4.2. Microsoft SQL Server Analysis Services (SSAS)
Microsoft SQL Server Analysis Services provee una visión unificada e integrada de todos los
datos del negocio que son usados para realizar reportes, procesamiento analítico en línea
(OLAP), scorecards de indicadores de rendimiento claves (KPI) y minería de datos. A
continuación se presentan sus características y ventajas más representativas. [SSAS2008]
[SQLS2009]
 Provee un modelo semántico denominado UDM – Modelo Dimensional Unificado. Se
encarga de definir las entidades, lógica del negocio, los cálculos y las métricas,
permiten a los usuarios emitir consultas en el UDM usando herramientas clientes
como Microsoft Excel.
 Almacenamiento en cache proactivo, permite la combinación de las actualizaciones
en tiempo real con el rendimiento del uso de una arquitectura MOLAP (Procesamiento
analítico en línea multidimensional). Esto permite tener actualizados la caché de datos
mientras los datos se van modificando en sus orígenes de datos, lo cual permite
obtener un rendimiento mayor en la realización de las consultas.
 Permite realizar análisis OLAP (Procesamiento analítico en línea). Con lo cual se
accede a los datos organizados y agregados del origen de datos en una estructura
multidimensional.
36
9. Modelo conceptual propuesto para la toma de decisiones
En el subsistema comercial de HPE en Latinoamérica, se deben realizar diferentes procesos
para poder obtener los datos correspondientes al pronóstico de ventas del periodo en curso,
estos datos deben ser entregados por cada país que compone la región una vez al final de
cada mes, para así obtener el número total de Latinoamérica, cabe resaltar que el incremento
o decremento de estos números tienen gran impacto, pues según sea el caso se determinara
si se aumentan o disminuyen los recursos que se invertirán en la región en los periodos
siguientes.
9.1. Proceso actual de generación de reportes y análisis de

información en Hewlett Packard Enterprise Latinoamérica
Mensualmente el subsistema comercial del área de servicios empresariales de Hewlett
Packard Enterprise realiza reuniones para la medición de las ventas que se llevaran a cabo
en el actual trimestre, pues para cada trimestre se debe tener un número estimado de cierre
de a nivel regional, cada país que compone la región Latinoamérica, debe presentar un
número estimado de cierre y se realiza basado en información que los especialistas de ventas
alimentan constantemente en la plataforma de ventas, Salesforece.com (SFDC), en ella es
posible realizar seguimiento a negocios específicos desde el momento en el cual estos inician
hasta su finalización.
El objetivo principal de esta serie de reuniones es obtener información detallada por parte de
los especialistas de ventas sobre los negocios en desarrollo, estos se ordenan según su
avance y se pueden marcar en riesgo si es el caso, identificando aquellos negocios que
requieren un soporté o seguimiento posterior por parte del gerente de ventas, lo anterior se
realiza para cada territorio con cada especialista de ventas, en un total de siete (7) días, para
posteriormente compilar el total de cada país.
37
Para este proceso se debe llevar a cabo la extracción de un reporte de la plataforma de CRM
en esta caso Salesforce.com (SFDC), el cual contiene el total de los negocios activos en la
región, adicional a ello es necesario clasificar la información, esta se clasifica por tipo de
negocio según la línea de producto a la que pertenezca y también se identifica al vendedor
que corresponde el negocio según el cliente, esto lleva alrededor de 12 horas, desde su
generación hasta su verificación final, el proceso se muestra en la Figura 8 y se detalla en la
Tabla 8.
Extracción de
Procesamiento Análisis
datos
Figura 8. Proceso actual de generación de reportes. Fuente: Autor
Sentido Definición
Extracción de En esta etapa se extraen lo datos de los países para
Datos el periodo en curso desde la plataforma CRM,
Salesforce.com, para su posterior procesamiento.
Procesamiento Durante esta etapa, se clasifican los datos por líneas

de negocio, países y clientes con respecto a cada
especialista de ventas.
Análisis Finalmente con la información lista, se lleva a cabo el
análisis por parte de los gerentes de ventas en donde
se revisan los negocios más grandes y/o con mayor
riesgo comprometidos para el pronóstico del periodo
en curso.
Tabla 8. Descripción de proceso actual de generación de reportes. Fuente: Autor
Como resultado de estas revisiones y del tratamiento de la información, se genera una hoja
de cálculo en la cual refleja el estado total de las ventas de servicios empresariales realizadas
en el periodo, con este el gerente de ventas puede tomar la decisión de reflejar un número
igual, superior o inferior al presentado anteriormente, esto puede tener diferentes
repercusiones frente al crecimiento de la compañía, pues según estos resultados se llevan a
38
cabo proyecciones para determinar el nivel de inversión en los diferentes territorios para los
periodos posteriores.
9.2. Variables
Dado el comportamiento estimado durante el ciclo de ventas de los negocios y los constantes
cambios alrededor del desarrollo y cierre de los procesos de ventas, se definieron dos
variables, que de forma rápida y precisa permiten definir el estado de un negocio, tanto
interno, a nivel del avance dentro de los procesos de la organización, como externo, visto
desde las necesidades y procesos propios del cliente, estas variables se describen en la
Tabla 9.
Variable Descripción
Etapas del ciclo de ventas Definidas como las etapas de un negocio
basado en el avance interno de este, donde
es necesario pasar por todas las etapas
para dar por terminado un negocio.
Criterios del ciclo de Estos criterios se definen por medio de la
ventas interacción entre el especialista de ventas y
los clientes, que según su relacionamiento
pueden estimar un criterio específico para
cada negocio.
Tabla 9. Variables de la investigación. Fuente: Autor
Variables que se describen con mayor detalle en el capítulo 4.
9.3. Modelo conceptual

El modelo se desarrolló a través de procesos definidos por el investigador, Figura 9, los cuales
se enfocan en el uso y análisis de datos referentes a negocios activos durante los años 2016
y 2017 en el subsistema comercial de Hewlett Packard Enterprise en Latinoamérica.
39
Figura 9. Proceso ETL Propuesto. Fuente: Autor
9.3.1. Extracción de los Datos
En el proceso de extracción de datos se analizaron y rastrearon datos para recuperar
información relevante de las fuentes. Se realiza un procesamiento adicional de los datos, que
implica agregar integración de información; Otro proceso en el flujo de trabajo de datos. La
mayoría de los datos extraídos son datos no estructurados, estos datos no estructurados
pueden estar en cualquier forma, como tablas o en fuentes indexadas.
Para asegurarse de realizar de manera correcta el proceso de extracción de datos es
recomendable seguir los siguientes pasos:
 Extraer los datos directamente de los sistemas de origen.
 Analizar los datos para así obtener un chequeo.
 Hacer la interpretación del chequeo para así verificar que los datos cumplen con la
estructura esperada. De no ser así los datos deben ser rechazados
 Estandarizar los datos para dar iniciar el proceso de transformación.
40
9.3.2. Estructuración de Datos
Para la estructuración de datos cuantitativos en un conjunto organizado de acuerdo a las
categorías y propiedades, posibilita disponer de modo sistemático, global y operativo de la
información estudiada. Se trata de organizar y poner en evidencia las características y
relaciones de los datos. (Miles y Huberman, 1984) establecen que la presentación de los
datos según sus categorías y relaciones entre ellas pueden hacerse en cuadros, diagramas
y matrices.
Procedimiento que permite contar en forma integral con la disposición de los datos según las
categorías de la investigación, lo que facilitará la elaboración de conclusiones en el análisis.
La tabulación es una de las etapas más descuidadas del procesamiento de los datos, sin
embargo es fundamental para construir conclusiones. (Mejía Navarrete, 2011)
9.3.3. Análisis de tendencias
El análisis de tendencias es un método para analizar datos y su comportamiento registrado
durante un intervalo de tiempo definido y generar información valiosa(Del, Giannone,
Giannoni, & Tambalotti, 2019). Haciendo un análisis de tendencias, es posible realizar
estrategias y proyectar planes futuros para la empresa. Identificando rasgos dominantes de
los negocios o de los clientes asociados a estos.
En el mundo actual, con la complejidad y el rápido movimiento, lo que se necesita aún más
prever o hacer una retrospectiva, es comprender lo que está pasando en el mercado (Li, Xie,
Daim, & Huang, 2019). Otra de las razones por las cuales las organizaciones o negocios
quieren llevar a cabo un análisis de tendencias es para entender y obtener mejor información
acerca de cómo está reaccionando el mercado, cuáles son las preferencias de los
consumidores y cuáles son las estrategias que una organización necesitaría realizar.
41
9.3.4. Panel de expertos
Esta técnica sirve para la obtención de información, basada en la consulta a expertos de un
área, con el fin de obtener la opinión de consenso más fiable del grupo consultado. Estos
expertos son sometidos individualmente a una serie de cuestionarios en profundidad que se
intercalan con retroalimentación de lo expresado por el grupo y que, partiendo de una
exploración abierta, tras las sucesivas devoluciones, producen una opinión que representa al
grupo.
Según Linston y Turoff (2002) puede ser descrito como un método de estructuración de un
proceso de comunicación grupal que es efectivo a la hora de permitir a un grupo de individuos,
como un todo, tratar un problema complejo. Por su parte Gordon (1994) añade que se trata
de un debate controlado y en este mismo sentido, según Varela-Ruiz et al. (2012), lo que se
persigue es obtener el grado de consenso o acuerdo entre especialistas sobre el problema
planteado, en lugar de dejar la decisión a un solo profesional.
9.3.5. Pruebas y análisis
La fase de prueba se desarrolló con datos históricos de ventas, los cuales sirven para llevar
el correspondiente análisis estadístico, adicional de llevar a cabo las pruebas con el modelo
de forma directa, sirviendo así para las primeras conclusiones al respecto.
9.3.6. Implementación del modelo en plataforma de BI
Tras la fase de pruebas y análisis, se recomienda hacer uso de plataformas de BI, las cuales
permiten llevar acabo procesos y consultas en línea, permitiendo reducir tiempo para
consultas de la información, además que el procesamiento de los reportes no afectan el
rendimiento de las herramientas computacionales pues se llevan a cabo en la nube.
42
10. Validación del modelo
El caso de estudio elegido para determinar el funcionamiento del modelo fue el subsistema
comercial del área de servicios de Hewlett Packard Enterprise, empresa de tecnología
informática, la cual se dedica a la venta y mantenimiento de servidores, equipos de
almacenamiento y redes, y servicios para otras empresas los cuales van desde consultoría
hasta soporte de equipos, bien sea para equipos de la marca u otras marcas; en
Latinoamérica se encuentra dividida en 3 regiones las cuales son México, Brasil y MCA (Multi-
Country Area), esta última a su vez se divide en los siguientes territorios: Argentina, BOPE,
Chile, Colombia y RLA.
La selección de la empresa fue debido a sus características, pues manejan grandes
cantidades de información, accesibilidad a la información, cuentan con registros históricos,
tienen la necesidad de agilizar sus procesos de toma de decisiones y existe la posibilidad de
aplicar el proceso en otros subsistemas.
10.1. Extracción de los Datos

Se llevó acabo la extracción de los datos de la plataforma Salesforce.com, plataforma que
administra los datos referentes a las ventas en el subsistema comercial de Hewlett Packard
Enterprise; debido al alto volumen de datos que había para el horizonte de tiempo definido,
fue necesario separar la información por países de manera individual para finalmente generar
un solo archivo para llevar a cabo los ajustes y las clasificaciones necesarias.
10.2. Estructuración de Datos

Se desarrolló un proceso de conversión de datos no estructurados a datos estructurados en
donde era posible hacer clasificaciones más detalladas, basado en los parámetros de Región
y Línea de Negocio, lo que permite realizar un análisis específico. En el caso de Hewlett
Packard Enterprise, fue necesario clasificar las Islas que se encuentran en el mar Caribe,
como una región, al igual que los países que corresponden a Centro américa, de igual forma
43
las regiones que comprenden Argentina y Peru corresponden a la suma de Argentina,
Paraguay y Uruguay, y Bolivia, Perú y Ecuador, respectivamente, como se muestra en la
Tabla 10.
Cantidad promedio de
Región Países
datos (líneas/año)
Argentina Argentina, Paraguay, Uruguay 3.200
BOPE Bolivia, Ecuador y Perú 2.800
Brasil Brasil 13.000
Chile Chile 3.100
Colombia Colombia 3.900
Mexico Mexico 6.500
Centro América, Islas del Caribe y
RLA 4.500
Venezuela
MCA TOTAL 37.000
Tabla 10. Clasificación de regiones según países. Fuente: Autor
Con respecto a las líneas de negocio la clasificación se lleva a cabo basado en códigos
asignados a líneas específicas, en algunos casos es necesario analizar la combinación de
campos para identificar la línea a la cual corresponde cada negocio, estas condiciones en
algunos casos no se ajustan a ninguna línea de negocio definida, por lo que se clasifica como
“Others”, para posteriormente verificar con el especialista de ventas encargado y que haga
una corrección o ajuste sobre esta, estas clasificaciones se pueden ver en la Tabla 11.
Líneas de Cantidad promedio de

Código
Negocio datos (líneas/año)
Attach MCS, Ntw, Stg, Serv 11.100
Greenlake LU 408
Conversion SMC C 5.470
D1C D1 175
EDU 4J 780
LES UW 5.133
New SMC S 3.377
Solution
CMS CMS 517
Non- Others 2.629
Specific
PCS PS 85
PWCP PWCP 200
Renewal SMC O 7.126
TOTAL 37.000
Tabla 11. Clasificación de negocios según su código. Fuente: Autor
44
10.3. Identificación de tendencias

Tras procesos de transformación de información, se buscó identificar una tendencia entre los
criterios y las etapas del ciclo de ventas, que hiciera referencia a un comportamiento a futuro,
asumiendo una continuidad en su patrón histórico.
Figura 10. Identificación de tendencias entre las variables. Fuente: Autor
La tendencia de relacionamiento entre los criterios y etapas del ciclo de ventas que se
encontró se muestra en la Figura 10, donde el 89.9% del volumen de negocios entre 2016 y
2017 se mueve de manera escalonada entre dichas variables, vemos como se relacionan las
etapas menos avanzadas (1, 2, 3 y 4) con los criterios iniciales (Inicio y Avanzado) y de la
misma forma las etapas más avanzadas (5, 6 y 7), con los criterios finales (Comprometido y
Ganado), por lo cual podemos decir que hay una relación directa entre las variables
estudiadas.
Basado en la relación de las etapas y criterios, además teniendo en cuenta los intervalos de
tiempo definidos por la empresa para la presentación formal de los pronósticos del subsistema
comercial, que en este caso son trimestrales, se usaron diferentes combinaciones para
generar tres (3) descritos en la Tabla 12.
45
Escenario Descripción
Peor de los casos En este escenario se encuentran los negocios de más
alta probabilidad de cierre basados en la combinación
entre los criterios y etapas que se encuentran en un
nivel avanzado.
Esperado En este escenario se tienen en cuenta los negocios del
primer escenario y los negocios con una probabilidad
media basados en la combinación entre los criterios y
etapas que se encuentran en un nivel intermedio de
avance y en el tiempo que resta para acabar el periodo
de medición del pronóstico.
Mejor de los Casos Este es el escenario optimista y se tienen en cuenta los
dos primeros escenarios y los negocios de baja
probabilidad basados en la combinación entre los
criterios y etapas que se encuentran en un nivel bajo
de avance y en el tiempo que resta para acabar el
periodo de medición del pronóstico.
Tabla 12. Escenarios. Fuente: Autor
Teniendo en cuenta que para el caso de estudio en Hewlett Packard Enterprise, su medición
temporal es por año fiscal, el cual está conformado por cuatro (4) periodos de tres (3) meses
cada uno, los escenarios varían según el mes en curso durante el periodo, por lo que para el
mes uno (1) del periodo se tiene en consideración una mayor cantidad de combinaciones
entre criterios y etapas, conforme avanza el periodo, para los meses siguientes mes dos (2)
y mes tres (3), las combinaciones van disminuyendo en cantidad, hasta obtener las
combinaciones entre etapas y criterios más avanzadas, lo anterior teniendo en cuenta que el
promedio de cierre de un negocio es de sesenta (60) días desde su etapa inicial.
En la Tabla 13, se plasma el borrador del modelo para toma de decisiones, que representa el
comportamiento de un periodo (3 meses, M1, M2 y M3), en donde según la información
analizada se encontró la relación directa entre los criterios y las etapas del ciclo de ventas
(figura 7), pudiendo generar un pronóstico para el cierre del periodo en curso con un nivel de
variación que se ve representado por los diferentes escenarios, siendo el “peor de los casos”
el límite inferior, el “mejor de los casos” el límite superior y el ideal es representando por el
escenario “esperado”, teniendo en cuenta lo anterior cualquier resultado dentro de los limites
sería aceptable. No se tuvieron en cuenta las combinaciones con etapas 1 y 2, ya que cerca
del 60% de los negocios no pasan de estas etapas.

46
Tabla 13. Borrador de modelo para toma de decisiones. Fuente: Autor
10.4. Panel de expertos

Para el caso de estudio se llevó a cabo la socialización y discusión de este análisis con un
panel de expertos compuesto por el gerente de ventas de Latinoamérica, dos (2) gerentes de
ventas de país y el analista de negocios para Latinoamérica, entre los cuatro (4) acumulan
más de 25 años de experiencia en el subsistema comercial de Hewlett Packard Enterprise,
por limitaciones de agendas, inicialmente se programó una (1) llamada de dos (2) horas.
Durante la llamada se revisó el modelo y los escenarios propuestos basados en las diferentes
combinaciones entre los criterios y las etapas, en donde llegaron a las siguientes
conclusiones:
1. El modelo inicial era arriesgado en el escenario optimista, “Mejor de los casos”, pues
se tenían en cuenta negocios que a su consideración no eran viables para el periodo
en curso según su estado y podían dar un pronóstico elevado con respecto a las
47
ventas de final del periodo, por ello no se tuvieron en cuenta las siguientes
combinaciones:
a. M1, 4. Desarrollo de la solución – Inicio
M1, 4. Desarrollo de la solución – Avanzado
M1, 3. Calificación del negocio – Inicio
b. M2, 5. Presentación de la solución – Inicio
M2, 4. Desarrollo de la solución – Avanzado
c. M3, 5. Presentación de la solución – Avanzado
2. Para el escenario “Esperado”, vieron necesario no tener en cuenta las siguientes
combinaciones:
- M1, “5. Presentación de la solución – Comprometido”
- M1, “6. Negociación y cierre – Avanzado”
Teniendo en cuenta que aún hay tres (3) meses para concluir el periodo, el estado de
estos negocios podía considerarse dentro del escenario “Peor de los casos”, para ese
periodo y estuvieron de acuerdo en mantener las combinaciones de M2 y M3 para
este escenario.
3. En cuanto al escenario restante, “Peor de los casos”, el único cambio fue incluir las
siguientes combinaciones:
- M1, “5. Presentación de la solución – Comprometido”
- M1, “6. Negociación y cierre – Avanzado”
Debido a su avance y al tiempo que aún había para desarrollar los negocios que se
incluyen en esas combinaciones.
Por los anteriores puntos se realizaron los cambios en el modelo inicial propuesto,
obteniendo las combinaciones para realizar las pruebas que se presentan en la Tabla 14.
48
Tabla 14. Modelo para toma de decisiones ajustado. Fuente: Autor
10.5. Pruebas y análisis

La fase de prueba se desarrolló con la información de cierre de los años fiscales 2016 y 2017,
en tres etapas, Figura 11:
1. Extracción
de la
información
2. Aplicación
del modelo
3. Análisis de
Resultados
Figura 11. Etapas de Pruebas y análisis. Fuente: Autor
1. Extracción de la información
Durante esta etapa se extrajo la información histórica, con un periodo mensual, de los
años 2016 a 2017, esto de un repositorio en el cual se almacena toda la información
que se procesa mensualmente en archivo separados, por lo que fue necesario unir
toda la información en un solo archivo, de igual forma, se seleccionaron solo los
49
campos de interés para el análisis, los cuales fueron: Periodo, Etapa, Criterio, Región
y valor del negocio, esto contribuyó a una reducción de tiempo en la etapa posterior.
2. Aplicación del modelo
Al obtener la información histórica, se procedió por medio de hojas de cálculo a aplicar
el modelo según las diferentes combinaciones entre criterios y etapas, para cada
periodo, esto de manera sencilla para llevar a cabo las pruebas iniciales, pues como
se mencionó en la anterior etapa, se contaba con la información básica para facilitar
esta la aplicación del modelo, los resultados se ven en la Tabla 15.
Peor de los Esperado Mejor de los

Año Periodo Mes
casos (%) (%) casos (%)
Q1 M1 -36 -3 29
M2 -33 -6 12
M3 -11 5 7
Q2 M1 -16 12 45
M2 -34 -6 19
M3 9 32 33
2016
Q3 M1 -26 2 29
M2 -37 -5 18
M3 -20 0 2
Q4 M1 -13 20 63
M2 -30 3 35
M3 -18 4 7
Q1 M1 -28 1 29
M2 -32 -12 10
M3 -21 -8 -5
Q2 M1 -34 -6 21
M2 -42 -15 8
M3 -26 0 1
2017
Q3 M1 -40 -14 -4
M2 -56 -9 10
M3 -59 -32 -31
Q4 M1 -38 -11 8
M2 -46 -18 14
M3 -24 -4 -2
Tabla 15. Resultados etapa de prueba. Fuente: Autor
3. Análisis de resultados
El modelo se desarrolló de tal forma que el escenario “Esperado”, brinde un pronóstico
estimado para el periodo en curso, y los escenarios “Peor de los Casos” y “Mejor de
los Casos” sirvan de limites inferior y superior, respectivamente; la robustez del
modelo está respaldada por la fuente de la información que lo alimenta, que es
50
información detallada de todos los negocios de la región en un periodo en curso.
En la Tabla 15, se muestran los resultados mensuales de cada escenario frente al
cierre oficial de cada periodo, para los meses que comprenden de 2016 a 2017, las
diferencias porcentuales del escenario “Esperado” frente al cierre, son mayores al
15%, en apenas 5 meses, esto fue debido a calidad de la información, pues a pesar
de tomarla de fuentes oficiales, la calidad de esta depende de los vendedores, que en
ocasiones no reportan el valor real de los negocios sino hasta su cierre malogrando
el número mensual, además de tener negocios en combinaciones que no se
encuentran consideradas, por una mala evaluación del vendedor frente al negocio.
A continuación se planteó una prueba de hipótesis de diferencia de medias con un
alpha de 0.05 para determinar si se acepta o no que los datos reales tienen diferencia
alguna con los datos calculados para el escenario “Esperado”.
𝑯𝟎 : 𝜇𝑟𝑒𝑎𝑙 = 𝜇𝑐𝑎𝑙𝑐
𝑯𝟏 : 𝜇𝑟𝑒𝑎𝑙 ≠ 𝜇𝑐𝑎𝑙𝑐
Se realiza ANOVA de un solo factor con la cual se obtienen los siguientes resultados:
F P-value F crit
1,067 0,307 4,052
Observamos que el P-Value es de 0.307, mayor que el alpha de 0.05 por lo tanto se
acepta H0, lo cual nos indica que existe suficiente evidencia estadística para aceptar
que la media de los datos reales es igual a la media de los datos calculados, por lo
anterior podemos concluir que el modelo de pronóstico es aplicable.
51
10.6. Implementación del modelo en plataforma de BI

Para la implementación de modelo en una plataforma de BI, se llevaron a cabo pruebas sobre
las tres (3) plataformas líderes en el segmento según Gartner, gracias a sus características
frente a las demás soluciones ofrecidas en el mercado, estas son Tableau, Qlikview y
Microsoft Power BI, Anexo 1, siendo esta ultima la que para el caso de estudio es la mejor
opción frente a las demás, por los siguientes factores:
 Facilidad de conexión con bases de datos, tanto con servidores físicos como en la
nube, además de permite una fácil, rápida y segura conexión directa con la plataforma
de CRM, Saleforce.com, usada por Hewlett Packard Enterprise para gestionar sus
negocios.
 Factor económico, gracias a que Microsoft es un aliado estratégico de Hewlett
Packard Enterprise, las licencias de la versión más completa de Power BI, está
incluida en el paquete de Office 365 que tienen todos los empleado, con lo que cual
solo al acceder con la cuenta corporativa se obtiene el total de las funciones no solo
para crear, y editar, sino también para compartir reportes de la plataforma.
 Facilidad de uso, gracias a su entorno intuitivo, el tiempo de aprendizaje para el
desarrollo de reportes y cuadros de control es muy corto, pues tiene muchas
similitudes con el desarrollo de tablas dinámicas en una hoja de cálculo.
 Lenguaje amigable, para uso avanzado es posible programar tareas y cálculos
complejos según los requerimientos del usuario basado en lenguaje DAX, el cual es
muy parecido al lenguaje usado en Visual Basic, esto permite a usuarios avanzados
adaptarse con mayor facilidad.
 Seguridad, este es uno de los factores más importantes, pues la información y los
análisis que se realizan con ella en esta plataforma, son confidenciales, con lo que la
plataforma permite crear perfiles además de limitar el acceso solo para empleados de
la compañía.
52
 Sensación y facilidad de navegación, los reportes y cuadros de control que se
desarrollan con Power BI, cuentan con facilidad en su navegación, gracias a las
visualizaciones que vienen en la plantilla de diseño, además cuenta con una tienda en
línea en donde es posible descargar plantillas y herramientas adicionales.
 Conexión multiplataforma, permite consultar reportes y cuadros de control a través
de cualquier dispositivo móvil compatible con la aplicación que se encuentran
disponible para sistema operativo Android y iOs, al igual que permite el acceso desde
cualquier navegador web.
 Actualizaciones programadas, es una de las principales ventajas de esta
plataforma, pues basta con programar a qué hora y con qué frecuencia se desea tener
la información actualizada y de forma autónoma lo hace.
Durante el proceso de implementación del modelo sobre la plataforma de BI, Microsoft Power
BI, fue necesario hacer un compilado de la información para las respectivas mediciones tanto
en el modelo propuesto, como para el cumplimiento de las metas fijadas al subsistema
comercial, esta información se alojó en su mayoría en listas de Sharepoint y esta enlistada
en la Tabla 16.
Información Fuente Descripción

Modelo de toma de Lista de Modelo con las condiciones anteriormente
decisiones Sharepoint establecidas
propuesto
Datos de Negocios Salesforce.com Datos referentes a los negocios activos en
activos Latinoamérica
Metas corporativas Lista de Datos correspondientes a las metas
Sharepoint corporativas fijadas para el año fiscal en
curso
Estimado de cierre Lista de Dato estimado que cada gerente de país
de país Sharepoint estima para el cierre del trimestre
Cierre de ventas Lista de Dato de cierre de ventas por país para el
por país Sharepoint periodo
Región Lista de Tabla con la clasificación de regiones
Sharepoint
Líneas de Lista de Tabla con la clasificación de negocios según
producto Sharepoint la línea de producto
53
Periodos Lista de Tabla con la definición de los trimestres

Sharepoint
Mes Lista de Tabla con la definición de los meses
Sharepoint
Etapas Lista de Tabla con la definición de las etapas del ciclo
Sharepoint de ventas
GTMR Lista de Tabla con la definición de los tipos de ventas
Sharepoint (Directa o Indirecta)
Tabla 16. Listado de Información necesaria para el desarrollo del modelo. Fuente: Autor
Tras tener las bases con los datos necesarios, se procede a asociarlas desde Power BI, esto
por medio de la función de conexión a Salesforce.com y Sharepoint, sin embargo al añadir
los datos de Salesforce.com, los protocolos de seguridad solo permiten descargar las
primeras dos mil (2000) líneas, por lo que fue necesario dividir los datos entre las tres (3)
regiones Brasil, MCA y Mexico, y a su vez se dividieron entre cada periodo y líneas de negocio
obteniendo un total de treinta y seis (36) reportes por cada región para un total de ciento ocho
(108) reportes para Latinoamérica, debido al alto nivel de procesamiento fue necesario
generar un reporte para cada región desde Power BI.
Los tres (3) reportes en Power BI, comparten la misma estructura e interfaz, cambiando entre
ellos solo en la información de consulta; con respecto al desarrollo del modelo, se llevó a cabo
la conexión entre los datos como se muestra en la Figura 12.
Figura 12. Conexiones del modelo propuesto en Power BI. Fuente: Autor
54
Las bases de datos principales se ven en la Figura 12, estas son: Cierre y Gerentes, Meta
corporativa y Datos Neg. Activos, por lo que es necesario conectarlas para hacer
comparaciones y ver el estado general del subsistema comercial, se llevó a cabo la conexión
de las tres (3) bases principales realizar por medio de bases externas, que contienen el total
de campos dentro de ellas y sirven para realizar filtros en la interfaz principal, adicional el
Modelo propuesto necesita de la clasificación mensual llamada “Mes”, que se conectó a los
datos de negocios activos para hacer el análisis, como se muestra en la Figura 12.
Al tener las conexiones realizadas, se procedió al desarrollo de la interfaz dirigida al usuario
final, que para el caso del modelo se muestra en la Figura 13, en la parte superior se
encuentran los filtros de país, trimestre y tipo de venta (directa o indirecta), en la parte superior
derecha, se encuentra una comparación entre los negocios activos en Salesforce.com contra
el número comprometido por el gerente de ventas por cada línea de negocios; en la esquina
inferior izquierda, se tiene una tabla con los valores para cada escenario, dividida en cada
línea de negocio, además del valor de los negocios activos en Salesforce.com, y
comparativas con las metas corporativas.
Se agregaron dos vistas adicionales, una permite analizar rápidamente el estado de los
negocios del país de forma general, agrupando por líneas de negocio, etapas, criterios y el
seguimiento por periodo para cada país, esta vista se encuentra en la Figura 14.
La segunda vista permite ver el detalle de los negocios que componen los números del país,
permitiendo al usuario realizar consultas detalladas (Figura 15).
55
Figura 13. Modelo propuesto vista final en Power BI, MCA. Fuente: Autor
Figura 14. Figura Información General Power BI, MCA. Fuente: Autor
56
Figura 15. Detalle de negocios en Power BI, MCA. Fuente: Autor
10.7. Validación conceptual

Partimos de cuatro (4) premisas al inicio de la investigación, las cuales generan un alto
impacto en el subsistema comercial de cualquier organización y fueron los principales
problemas a solucionar por medio del desarrollo del modelo propuesto y la implementación
de la plataforma de Bussiness Intelligence, en el subsistema comercial de Hewlett Packard
Enterprise, estas son:
 Tiempo perdido: Realizar reportes manuales incluye el tiempo que toma recopilar
información, construir formulas, gráficos, verificar y distribuir la información.
Gracias al proceso desarrollado para la generación del modelo y con la
implementación en la plataforma de Bussiness Intelligence, Power BI, fue posible
reducir el tiempo de la toma de decisiones de 22 a 10.08 horas (Tabla 17), que
representa un 54% menos del tiempo que toma en el procesos actual.
Esta reducción se evidencia en los procesos de extracción y procesamiento, en donde
genera impacto el modelo propuesto, sin embargo, a pesar de facilitar el proceso de
57
análisis, por la importancia que este conlleva, es necesario seguir revisando el detalle
de los negocios con la guía del modelo propuesto.
Extracción de Procesamiento Análisis 10 Total

Modelo
datos (horas) (horas) Países (horas) (horas)
Actual 4 8 10 22
Propuesto 0,04 0,04 10 10,08
Reducción (%) 99 99,5 0 54,18
Tabla 17. Tabla de tiempos. Fuente: Autor
 Desperdicio de talento: Cargos altos en cualquier departamento, pierden horas en
el procesamiento de data en vez de estar tomando decisiones sobre reportes que
deberían estar terminados, fa funcionalidad de la plataforma de Bussiness
Intelligence, Power BI, incluye actualizaciones automáticas a las bases de datos que
se encuentran en la nube, funcionalidad que se agregó al reporte con el modelo
propuesto, permitiendo así tener información actualizada cada hora, garantizando la
consulta de información del día, sin necesidad de procesos adicionales.
 Duplicación de Información: Reportes con un mismo fin son creados más de una
vez por diferentes usuarios, por los parámetros fijados en el modelo para toma de
decisiones, y la funcionalidad de la plataforma de BI, Power BI, es posible llevar a
cabo diferentes consultas en un solo espacio, facilitando el acceso a información sin
necesidad de generar nuevos reportes o hacer otros procesos, con lo que se logra
centralizar todo en una sola herramienta a la cual tienen acceso quienes cuenten con
una cuenta corporativa, para el caso de Hewlett Packard Enterprise, garantizando
seguridad de la información compartida.
 Toma de Decisiones erróneas: Decisiones apresuradas son tomadas sin haber
hecho los procesamientos correctos, la implementación de la plataforma de Bussiness
Intelligence junto al modelo propuesto, brindan confiabilidad en cuanto al
procesamiento de la información, pues las condiciones de clasificación de negocios y
58
regiones se encuentran fijos y solo quien desarrollo el reporte puede cambiar estas
condiciones, garantizando el procesamiento correcto de la información.
Adicionalmente gracias a que el modelo propuesto se alimenta de los negocios activos
en el subsistema comercial, brinda información basada en negocios reales, esto
siempre y cuando la información se encuentre correctamente diligenciada en la
plataforma de ventas.
10.8. Accesibilidad
El modelo se diseñó como una herramienta para los gerentes del subsistema comercial del
área de servicios de Hewlett Packard Enterprise de las diferentes regiones, con lo que el
acceso al reporte final se encuentra inicialmente limitado a ellos, adicional, se le concedió
acceso al analista financiero de cada región, pues son parte importante del proceso de
generación de pronóstico de ventas, como a los gerentes regionales.
A futuro es posible dar acceso a los especialistas de ventas, con ciertas limitaciones, pues la
información que el reporte contiene es confidencial, brindando acceso solo al módulo con el
detalle de los negocios (Figura 14) para realizar seguimiento detallado de sus negocios.
59
11. Evaluación y Análisis de Resultados
Los resultados obtenidos en el escenario “Esperado”, fueron evaluados mediante una prueba
de hipótesis de diferencia de medias con un alpha de 0.05 para determinar si se acepta o no
que los datos reales tienen diferencia alguna con los datos calculados para dicho escenario.
𝑯𝟎 : 𝜇𝑟𝑒𝑎𝑙 = 𝜇𝑐𝑎𝑙𝑐
𝑯𝟏 : 𝜇𝑟𝑒𝑎𝑙 ≠ 𝜇𝑐𝑎𝑙𝑐
Se realiza ANOVA de un solo factor con la cual se obtienen los siguientes resultados:
F P-value F crit
1,833 0,195 4,494
Observamos que el P-Value es de 0.195, mayor que el alpha de 0.05 por lo tanto se acepta
H0, lo cual nos indica que existe suficiente evidencia estadística para aceptar que la media
de los datos reales es igual a la media de los datos calculados, por lo anterior podemos
concluir que el modelo de pronóstico es aplicable. Adicional se evidencia en la Tabla 18, que
los escenarios, “Peor de los casos” y “Mejor de los casos”, muestran resultados por encima y
por debajo, respectivamente, del número oficial de cierre para cada periodo, manteniendo
similitud a líneas de control en donde se busca que el resulta final no este por fuera de estas.
Peor de los Esperado Mejor de los

Período Mes
Casos (%) (%) Casos (%)
1 -63 -10 2
Q1 2 -59 -40 7
3 -16 -2 0
1 -31 16 27
Q2 2 -20 0 30
3 -2 7 9
1 -49 -16 35
Q3 2 -29 -12 15
3 -13 -4 -3
1 -15 4 7
Q4 2 -18 -5 10
3 -12 -6 6
Tabla 18. Calculado vs Resultados 2018 (%). Fuente: Autor
60
12. Conclusiones
El uso de herramientas de inteligencia de negocios combinado con un modelo para la toma
de decisiones brinda a las empresas ventajas sobre la competencia, tales como el tiempo de
obtención y la precisión de la información, durante la investigación se llevó a cabo una mejora
sobre el método usado para obtención y procesamiento de información, pues su método
actual se soportaba sobre hojas de cálculo con procesamiento manual, lo que lo hacía lento
y carente de precisión, además no contaban con un proceso estándar para la selección de
negocios para el pronóstico del periodo en curso.
Durante el desarrollo de la investigación se cumplieron los objetivos específicos planteados,
ya que:
 Se llevó a cabo un diagnóstico basado en la información histórica de negocios
desarrollados durante los años 2016 y 2017 en el subsistema comercial de Hewlett
Packard Enterprise, detectando una tendencia de las interacciones entre los criterios
y las etapas del ciclo venta, con la que fue posible desarrollar el modelo inicial
propuesto.
 Se estableció un marco de referencia basado en soluciones existentes para la toma
de decisiones, sin embargo, debido a que el modelo propuesto se soporta en
información de negocios activos y se alimenta en tiempo real, varían sus resultados
según tenga variación esta información, generando escenarios realistas y con poca
incertidumbre.
 Se propuso un modelo para la toma de decisiones el cual está sobre una plataforma
de Bussiness Intelligence, que gracias a la interacción detectada entre las etapas y
los criterios del ciclo de ventas, genera escenarios estimados soportados sobre
información que alimenta el modelo en tiempo real y reduciendo el tiempo de
61
procesamiento de los datos gracias a la estandarización y automatización del
procesos de pronóstico en el subsistema comercial.
 El estudio de caso para la validación del modelo se llevó a cabo con datos de negocios
desarrollados durante el año 2018 en el subsistema comercial de Hewlett Packard
Enterprise para Latinoamérica, obteniendo resultados satisfactorios y dentro de los
límites fijados; se llevaron a cabo pruebas estadísticas que verificaron de manera
positiva el ajuste del modelo propuesto con los números finales.
62
13. Matriz contrastación de Objetivos
Cumplimiento
Objetivo Descripción Evidencia Observaciones
(%)
1 Desarrollar e implementar un modelo
Se cumplió el objetivo propuesto,
para la toma de decisiones para el
generando un modelo que
subsistema comercial de una
reduce tiempo de obtención y
empresa del sector IT, sustentado en
100 Capítulo 9 calidad de la información,
la convergencia de los criterios y las
basado en la interacción entre
etapas del ciclo de ventas de
los criterios y las etapas del ciclo
servicios, atendiendo la variabilidad
de ventas.
del entorno.
2 Realizar un diagnóstico de la
situación actual sustentado en
herramientas de planeación
Capítulo encontrando la relación entre los
estratégica, a fin de identificar la 100
9.1 criterios y las etapas del ciclo de
interacción apropiada entre los
ventas.
criterios y las etapas que hacen parte
del ciclo de ventas de servicios de IT
3 Establecer un marco de referencia
conceptual que permita evaluar
Capítulo 8
soluciones existentes en la toma de 100 Se cumplió el objetivo propuesto.
decisiones en subsistemas
comerciales
4 Proponer un modelo para la toma de
decisiones basado en las
Capítulo
interacciones identificadas y los 100 Se cumplió el objetivo propuesto.
9.3
criterios que determinan el ciclo de
ventas de servicios de IT.
5 Validar el modelo propuesto,
mediante un estudio de caso en Capítulo
100 llevando a cabo una validación
Hewlett Packard Enterprise para 10
con datos de negocios en curso.
Latinoamérica
Tabla 19. Matriz de Objetivos. Fuente: Autor
63
14. Aportes
En el desarrollo del proyecto se obtuvieron resultados asociados a la aplicación del
conocimiento adquirido acerca de BI en el subsistema comercial de ventas para empresas de
IT en este caso particular Hewlett Packard Enterprise, reduciendo los tiempos y aumentando
su resiliencia para la toma de decisiones, reduciendo el tiempo en la obtención de la
información y análisis para el pronóstico de ventas en un 54% (Capítulo 10.7).
Los entregables para este caso, se pueden discriminar en productos tangibles e intangibles
como expresión de los resultados y del proceso mismo de la investigación.
Los resultados intangibles se describen en la Tabla 20 y los tangibles en la Tabla 21.
Producto Resultado KPI Beneficiado/s

Desarrollo e implementación Modelo de BI Subsistema comercial
de Modelo de BI finalizado e de ventas HPE
implementado Latinoamérica
Mejora de la eficiencia en Calidad y Tiempo Subsistema comercial

procesos de toma de en la generación de de ventas HPE
decisiones información Latinoamérica
Tabla 20. Resultados Intangibles de la Investigación. Fuerte: Autor
Producto Resultado KPI Beneficiado/s

Tesis de Maestría Tesis de Maestría Estudiante
finalizada
Articulo con los resultados Postulación/Publicación Comunidad

de la Investigación Académica
Tabla 21. Resultados Tangibles de la Investigación. Fuerte: Autor
64
15. Líneas futuras de investigación
Dentro del marco de la investigación en el análisis para el planteamiento del modelo para la
toma de decisiones, la información de los negocios se tomó de manera general en cuanto a
las líneas de negocio, que para el caso de estudio se dividían en doce (12) diferentes líneas
de negocio, las cuales pueden presentar un comportamiento distinto en cuanto a los
escenarios propuestos basados en la interacción entre las etapas y los criterios del ciclo de
ventas.
Este comportamiento también puede ser posible analizarlo a nivel de región con lo que se
extiende la cantidad de combinaciones en cuanto al modelo propuesto, pues en total el
subsistema comercial de Hewlett Packard Enterprise en Latinoamérica se divide en ocho (8)
regiones.
También se puede llevar a cabo un análisis del comportamiento de la interacción entre las
etapas y los criterios del ciclo de ventas a nivel de clientes, teniendo en cuenta que en el
subsistema comercial de Hewlett Packard Enterprise, existe una clasificación de clientes
según el monto y la recurrencia en los negocios, clasificándolos como grandes, medianos y
pequeños clientes.
65
16. Recomendaciones
Monitorear periódicamente las interacciones entre los criterios y las etapas del ciclo de ventas,
en busca de posibles cambios según aparezcan variables externas que afecten directamente
el subsistema comercial de Hewlett Packard Enterprise.
Realizar campañas de limpieza de datos, con incentivos para los especialistas de ventas para
que mantengan los datos referentes a sus negocios actualizados, para que el modelo tenga
un correcto funcionamiento.
17. Reconocimiento
2do puesto, concurso Hewlett Packard Enterprise de innovación a nivel Latinoamérica 2017
(Anexo 2).
66
18. Referencias
AbdelRahman, S. E., Zhang, M., Bray, B. E., & Kawamoto, K. (2014). A three-step approach
for the derivation and validation of high-performing predictive models using an
operational dataset: congestive heart failure readmission case study. BMC Medical
Informatics and Decision Making, 14(1), 41. https://doi.org/10.1186/1472-6947-14-41
Ahumada, E., Manuel, J., & Perusquia, A. (2016). Inteligencia de negocios : estrategia para el
desarrollo de competitividad en empresas de base tecnológica. Contaduría y
Administración, 61(1), 127–158. https://doi.org/10.1016/j.cya.2015.09.006
Agnihotri, R., Trainor, K. J., Itani, O. S., & Rodriguez, M. (2017). Examining the role of sales-
based CRM technology and social media use on post-sale service behaviors in India.
Journal of Business Research, 81(August), 144–154.
https://doi.org/10.1016/j.jbusres.2017.08.021
Alfredo, D., & Salamanca, V. (2013). MODELO DE INTEGRACIÓN DE LA TEORÍA DEL

CONTROL E INTELIGENCIA DE NEGOCIOS PARA LA GESTIÓN DEL
CONOCIMIENTO EN PYMES.
Aliverdi, R., Moslemi Naeni, L., & Salehipour, A. (2013). Monitoring project duration and cost
in a construction project by applying statistical quality control charts. International Journal
of Project Management, 31(3), 411–423. https://doi.org/10.1016/j.ijproman.2012.08.005
Andres, J., Sanchez, R., Comision, M. D. E. L. A., Domingo, J., Silva, V., Alejandro, S., &
Perez, R. (2011). Inteligencia de negocios y automatización en la gestión de puntos y
fuerza de ventas en una empresa de tecnología.
Antoniadis, I., Tsiakiris, T., & Tsopogloy, S. (2015). Business Intelligence during times of
crisis : Adoption and usage of ERP systems by SMEs. Procedia - Social and Behavioral
Sciences, 175, 299–307. https://doi.org/10.1016/j.sbspro.2015.01.1204
Astriani, W., & Trisminingsih, R. (2016). Extraction , Transformation , and Loading ( ETL )
module for hotspot spatial data warehouse using geokettle. 33, 626–634.
https://doi.org/10.1016/j.proenv.2016.03.117
Costa Bilbao, N., & Ferreira Bica, E. (2010). Sistemas de Información para la toma de
decisiones y el control en una empresa de servicios diversificados : caso de estudio
Asociación Nacional de Afiliados ( ANDA ).
Dahl, R. (2018). ScienceDirect Return Return of of the the JS : JS : Towards Towards a a

Node . js-Based Node . js-Based Software Software Architecture Architecture for for
67
Combined Combined CMS CMS / / CRM CRM Applications Applications. Procedia

Computer Science, 141, 454–459. https://doi.org/10.1016/j.procs.2018.10.143
Dalla, I., Goetz, O., & Michel, J. (2018). Implementation e ff ects in the relationship between
CRM and its. 89(June 2017), 391–403. https://doi.org/10.1016/j.jbusres.2018.02.004
Davenport, T. H., & Harris, J. G. (2007). The dark side of customer analytics. Harvard
Business Review, 85(5), 37–48. https://doi.org/Article
Del, M., Giannone, D., Giannoni, M. P., & Tambalotti, A. (2019). Global trends in interest rates.
Journal of International Economics, 118, 248–262.
https://doi.org/10.1016/j.jinteco.2019.01.010
Gartner Inc. (2019). The 2019 Analytics and BI Magic Quadrant Highlights. Retrieved March
15, 2019, from https://www.gartner.com/en/webinars/3900973/the-2019-analytics-and-
bi-magic-quadrant-highlights
Giudice, G. Del, Giudice, D., Della, G., Mariela, M., De, H., & Del, G. (2010). Proyecto de
implementación de un Data Warehouse para universidades nacionales.
Hernández, R., Fernández, C., Baptista, C., Laudon, K. C., & Laudon, J. P. (2014). Full-Text.
In Journal of Chemical Information and Modeling (Vol. 53).
https://doi.org/10.1017/CBO9781107415324.004
Ibermática. (2007). Business Intelligence: El Conocimiento compartido. Ibermática.
Kaiser, M. G., El Arbi, F., & Ahlemann, F. (2014). Successful project portfolio management
beyond project selection techniques: Understanding the role of structural alignment.
International Journal of Project Management, 33(1), 126–139.
https://doi.org/10.1016/j.ijproman.2014.03.002
Khan, R., & Quadri, S. (2012). Business intelligence: an integrated approach. Business
Intelligence Journal, 5(1), 64–70. Retrieved from
http://www.saycocorporativo.com/saycouk/BIJ/journal/Vol5No1/BJournal_January2012.
pdf#page=68
Kim, A., Khon, N., & Aidosova, Z. (2016). Emotional intelligence of a coach as a factor of
coach-student interaction. Procedia - Social and Behavioral Sciences, 236(December
2015), 265–270. https://doi.org/10.1016/j.sbspro.2016.12.026
Li, X., Xie, Q., Daim, T., & Huang, L. (2019). Technological Forecasting & Social Change
Forecasting technology trends using text mining of the gaps between science and
technology : The case of perovskite solar cell technology. Technological Forecasting &
Social Change, (January), 1–18. https://doi.org/10.1016/j.techfore.2019.01.012
68
Luhn, H. P. (1958). A Business Intelligence System. IBM Journal.
Mejía Navarrete, J. V. (2011). Problemas centrales del análisis de datos cualitativos. Revista
Latinoamericana de Metodología de La Investigación Social, (1), 47–60. Retrieved from
http://www.relmis.com.ar/ojs/index.php/relmis/article/view/11
Microsoft Inc. (2018a). ¿Qué es SharePoint? - Soporte de Office. Retrieved May 4, 2019, from
https://support.office.com/es-es/article/¿qué-es-sharepoint-97b915e6-651b-43b2-827d-
fb25777f446f
Microsoft Inc. (2018b). Uso compartido de archivos online y copia de seguridad en la nube de
OneDrive para la Empresa. Retrieved May 4, 2019, from https://products.office.com/es-
co/onedrive-for-business/online-cloud-storage
MILES, M. y HUBERMAN, M. (1984). Qualitative data analysis. A sourcebook of new

methods. London: Sage Publications.
Navarro Mejia, M. (2012). Técnicas de ventas.
Paesbrugghe, B., Rangarajan, D., Sharma, A., Syam, N., & Jha, S. (2017). Purchasing-driven
sales: Matching sales strategies to the evolution of the purchasing function. Industrial
Marketing Management, 62, 171–184. https://doi.org/10.1016/j.indmarman.2016.09.002
Piontkewicz, R., Freitas, M. D. C. D., Kemczinski, A., & Martin, C. D. S. (2016). Management
of intellectual capital in a system of management accounting information. 6th
International Conference on Computers Communications and Control, ICCCC 2016,
(Icccc), 180–187. https://doi.org/10.1109/ICCCC.2016.7496758
Ram, J., Zhang, C., & Koronios, A. (2016). The implications of Big Data analytics on Business
Intelligence : A qualitative study in China. Procedia - Procedia Computer Science, 87,
221–226. https://doi.org/10.1016/j.procs.2016.05.152
Salah, M., Hassan, A., & Abd, M. (2018). ScienceDirect A systematic review for the
determination and classification of the CRM critical success factors supporting with their
metrics. Future Computing and Informatics Journal, 3(2), 398–416.
https://doi.org/10.1016/j.fcij.2018.11.003
Salesforce. (2018). ¿Qué es Salesforce? - Salesforce. Retrieved May 4, 2019, from

https://www.salesforce.com/es/products/what-is-salesforce/
Satiko, C., Miro, D., Francisco, C., & Gomes, S. (2015). Text Mining Business Intelligence : a
small sample of what words can say. Procedia - Procedia Computer Science, 55(Itqm),
261–267. https://doi.org/10.1016/j.procs.2015.07.044
Serra, C. E. M., & Kunc, M. (2014). Benefits Realisation Management and its influence on
69
project success and on the execution of business strategies. International Journal of

Project Management, 33(1), 53–66. https://doi.org/10.1016/j.ijproman.2014.03.011
Server, S. P. (2007). Introduction to SharePoint Development. 237–265.
Sharma, M., Singh, G., & Singh, R. (2016). Design and analysis of stochastic DSS query
optimizers in a distributed database system. Egyptian Informatics Journal, 17(2), 161–
173. https://doi.org/10.1016/j.eij.2015.10.003
Theodorou, V., Abelló, A., Thiele, M., & Lehner, W. (2017). Data & Knowledge Engineering
Frequent patterns in ETL work fl ows : An empirical approach. 112(August), 1–16.
https://doi.org/10.1016/j.datak.2017.08.004
Vera-Baquero, A., Colomo-Palacios, R., & Molloy, O. (2014). Towards a Process to Guide Big
Data Based Decision Support Systems for Business Processes. Procedia Technology,
16(2212), 11–21. https://doi.org/10.1016/j.protcy.2014.10.063
Wibowo, S., Grandhi, S., & Deng, H. (2016). Multicriteria Group Decision Making for Selecting
Human Resources Management Information Systems Projects. 1405–1410.
70

Vanegas Alba Diego Armando 2019

Cargado por

Copyright:

Formatos disponibles

Vanegas Alba Diego Armando 2019

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Vanegas Alba Diego Armando 2019

Cargado por

Copyright:

Formatos disponibles

INTELIGENCIA DE NEGOCIOS: MODELO PARA LA TOMA

DE DECISIONES, BASADO EN LA INTERACCIÓN DE LOS

Ing. Diego Armando Vanegas Alba

PhD. Giovanny Mauricio Tarazona Bermúdez

UNIVERSIDAD DISTRITAL FRANCISCO JOSÉ DE CALDAS

Debido al crecimiento de las industrias y al rápido desarrollo de nuevas tecnologías, las

continuidad en el negocio, esta adaptación se logra mediante la renovación tanto de su

portafolio de servicios, como de sus herramientas de trabajo, dos aspectos primordiales de

imprescindible el uso de herramientas flexibles para afrontar cualquier cambio.

En la presente investigación se llevó acabo el desarrollo de un modelo para la toma de

decisiones en el subsistema comercial de servicios de Hewlett Packard Enterprise en

simplificar procesos y disminuir tiempos en la obtención y análisis de la información para llevar

acabo la toma de decisiones.

Universidad Distrital Francisco José de Caldas

needed to face any change.

The development of a decision-making model in the commercial services subsystem of

analysing the information to carry out the decision making.

Universidad Distrital Francisco José de Caldas

Universidad Distrital Francisco José de Caldas

9.3.2. Estructuración de Datos ............................................................................. 41

Universidad Distrital Francisco José de Caldas

Criterios del ciclo de ventas ................................................................................................ 13

Universidad Distrital Francisco José de Caldas

Ciclo de ventas ................................................................................................................... 11

Universidad Distrital Francisco José de Caldas

La información juega un papel decisivo en una organización hasta el punto de convertirse en

algunos casos en su principal patrimonio (Vera-Baquero, Colomo-Palacios, &| Molloy, 2014),

ya que de esta depende el desarrollo de las actividades cotidianas y la posibilidad de alcanzar

dedican gran parte de sus recursos a la obtención, procesamiento, aplicación y proyección

la toma de decisiones, lo anterior se conoce como inteligencia de negocios, se espera por

una manera completa (Journal & Conscience, 2009).

El entorno empresarial es un sistema de complejidad creciente en el que permanentemente

hay generación y ganancia de nueva información a partir de la interacción entre las

organizaciones que lo componen(Ahmad, 2012), en el subsistema comercial de servicios en

efectos de la globalización y el desarrollo de las tecnologías de la información, que son

algunos de los factores que también influyen en el entorno.

Se desarrolló un modelo para la toma de decisiones, aplicado en el subsistema comercial de

Hewlett Packard Enterprise, empresa dedicada al desarrollo y venta de soluciones de

de ciclo de ventas de servicios empresariales en IT, y se alimenta de datos en tiempo real,

Universidad Distrital Francisco José de Caldas

generando una reducción de tiempos y mejora en los pronósticos de ventas proporcionando

así información más rápida y confiable.

La herramienta de desarrollo del modelo permite la descarga, procesamiento y clasificación

significativamente el tiempo de obtención de la información referente a las ventas y

simplificando la labor, disminuyendo costos y recursos asociados incluyendo un método de

pronóstico de ventas para servicios tecnológicos que genera importantes beneficios en

comparación con la metodología actual.

Universidad Distrital Francisco José de Caldas

Desarrollar e implementar un modelo para la toma de decisiones para el subsistema

 Realizar un diagnóstico de la situación actual sustentado en herramientas de planeación

hacen parte del ciclo de ventas de servicios de IT.

 Establecer un marco de referencia conceptual que permita evaluar soluciones existentes

en la toma de decisiones en subsistemas comerciales.

 Proponer un modelo para la toma de decisiones basado en las interacciones identificadas

y los criterios que determinan el ciclo de ventas de servicios de IT.

 Validar el modelo propuesto, mediante un estudio de caso en Hewlett Packard Enterprise

Universidad Distrital Francisco José de Caldas

veremos a continuación(Navarro Mejia, 2012) en la Figura 1,