Hispanopedia Wiki
Articulo de referencia

Inteligencia empresarial en tiempo real

La inteligencia empresarial en tiempo real ( RTBI ) es un enfoque de inteligencia empresarial que reduce el retraso entre los eventos y la información utilizada en las decisione...

Hispanopedia WikiContenido en espanolLectura gratuita

La inteligencia empresarial en tiempo real ( RTBI ) es un enfoque de inteligencia empresarial que reduce el retraso entre los eventos y la información utilizada en las decisiones. [ 1 ] [ 2 ] Esto difiere de la inteligencia empresarial convencional (BI), donde los informes suelen basarse en datos históricos. Al poner los datos a disposición más cerca del momento en que ocurre la actividad, la RTBI puede respaldar el monitoreo y la respuesta operativa. [ 2 ] [ 3 ]

Los sistemas RTBI utilizan almacenes analíticos actualizados, flujos de eventos, registros de eventos, procesamiento de eventos complejos , monitoreo de la actividad empresarial o arquitecturas relacionadas. [ 4 ] [ 5 ] [ 6 ] Su salida puede aparecer a través de paneles, alertas, herramientas de monitoreo de procesos, vistas analíticas o respuestas. [ 2 ] [ 5 ]

El término “tiempo real” depende del contexto. Algunos sistemas procesan eventos en segundos, mientras que otros se describen mejor como de tiempo casi real. Por lo tanto, el análisis de datos en tiempo real (RTBI) implica compensaciones [ 1 ] entre velocidad, actualidad de los datos, costo, complejidad [ 7 ] y confiabilidad de la información disponible en el momento del análisis [ 4 ] .

Latencia y actualidad de los datos

La BI tradicional a menudo se ha centrado en mejorar la presentación de informes de datos históricos. [ 3 ] Sin embargo, la RTBI pone mayor énfasis en reducir los retrasos desde la captura de datos hasta la respuesta. [ 2 ] [ 8 ]

Todos los sistemas de inteligencia empresarial en tiempo real tienen cierta latencia , pero su objetivo es reducir el retraso entre el uso de la información y el momento en que ocurrió el evento. El analista Richard Hackathorn describe tres tipos de latencia: [ 8 ]

  • Latencia de datos: el tiempo que se tarda en recopilar y almacenar los datos;
  • Latencia de análisis: el tiempo que se tarda en analizar los datos y convertirlos en información útil para la toma de decisiones;
  • Latencia de acción: el tiempo que se tarda en reaccionar a la información y tomar medidas.

Trabajos recientes sobre análisis en tiempo real describen tanto la velocidad como la actualidad de los datos como características importantes de los sistemas analíticos en tiempo real. La actualidad de los datos no es lo mismo que la latencia. [ 1 ] Un sistema podría procesar rápidamente una consulta, pero con datos que ya estén desactualizados. Por el contrario, los datos operativos recopilados poco después de un evento podrían requerir un procesamiento adicional antes de poder respaldar una decisión.

El significado de "tiempo real" depende del contexto. Algunos sistemas procesan eventos en segundos, mientras que otros se describen como de procesamiento casi en tiempo real, ya que los datos se ponen a disposición lo antes posible para facilitar una decisión oportuna. Hackathorn [ 8 ] menciona "tiempo adecuado" como alternativa a "tiempo real", pero argumenta que lo más importante es si la sincronización de la información generada creará valor para el negocio.

Arquitecturas

Las arquitecturas de RTBI varían según cómo se recopilan, procesan, almacenan y presentan los datos. Los sistemas convencionales de inteligencia empresarial incluyen fuentes operativas, procesos de integración de datos , almacenamiento analítico, procesamiento de consultas y herramientas para su presentación. [ 3 ] En RTBI, estas funciones siguen siendo importantes, pero la arquitectura está diseñada para reducir el tiempo entre un evento empresarial y el uso de la información derivada del mismo. [ 2 ]

Procesamiento de eventos y flujos de datos

En las arquitecturas orientadas a eventos, los cambios de estado se representan como eventos y se procesan a medida que ocurren. Los sistemas de procesamiento de flujos de eventos y de procesamiento de eventos complejos procesan información de forma continua desde múltiples fuentes. Estos sistemas pueden filtrar, agregar, correlacionar o detectar patrones en los flujos de eventos antes de que todos los datos se hayan cargado en una base de datos convencional. [ 6 ]

Para RTBI, el procesamiento de eventos admite paneles y alertas cuando las condiciones comerciales actuales cumplen con las reglas definidas. Los sistemas de transmisión también deben manejar datos que no llegan en secuencia. Los registros también pueden llegar tarde y, en algunos casos, incompletos. Se utilizan técnicas como consultas continuas y ventanas de tiempo para calcular resultados durante períodos establecidos de un flujo que, de otro modo, sería continuo. [ 6 ] [ 1 ]

Registros de eventos y origen de eventos

Algunas arquitecturas RTBI utilizan registros de eventos para transmitir cambios a otros sistemas. Un registro de eventos es un registro de solo escritura que otros sistemas pueden consumir para actualizar paneles, almacenes analíticos, sistemas de alerta, índices de búsqueda y vistas materializadas. [ 4 ] Entre los enfoques relacionados se incluyen la captura de datos de cambios y el origen de eventos.

La captura de cambios de datos es una forma de generar flujos de datos a partir de bases de datos existentes. Registra los cambios realizados en las tablas de la base de datos y los pone a disposición de otros sistemas sin necesidad de recargar el conjunto completo de datos. En RTBI, esto puede ayudar a mantener los almacenes analíticos o los sistemas de procesamiento de eventos más cerca de los datos operativos actuales. [ 1 ] [ 4 ]

El event sourcing es un patrón arquitectónico donde los cambios en el estado de una aplicación se almacenan como una secuencia de eventos, en lugar de solo un registro del estado actual. El estado actual de una entidad se puede reconstruir reproduciendo todos los eventos almacenados en orden. [ 9 ] En RTBI, un sistema event sourcing puede proporcionar un historial de eventos que admite informes y análisis a través de modelos de lectura derivados. Estas vistas pueden ser utilizadas por paneles u otras herramientas analíticas. [ 9 ] Puede admitir la auditabilidad, la reconstrucción de estados anteriores y la creación de múltiples vistas a partir del mismo historial de eventos. A menudo se utiliza con Command Query Responsibility Segregation (CQRS), [ 9 ] porque consultar directamente sobre un almacén de eventos puede ser ineficiente y modelos de lectura separados creados para informes o análisis. El event sourcing puede introducir problemas de diseño, incluidos cambios en el esquema de eventos, reproducción, crecimiento del almacenamiento y consistencia eventual entre el almacén de eventos y las vistas derivadas. [ 10 ]

Almacenamiento analítico casi en tiempo real

Otro enfoque consiste en actualizar con mayor frecuencia un almacén de datos o repositorio analítico. Esto mantiene las funciones de comparación histórica e informes asociadas con la inteligencia empresarial convencional, al tiempo que reduce el retraso entre la actividad y la disponibilidad de los datos. [ 3 ]

Algunos almacenes de datos en la nube y sistemas híbridos de procesamiento transaccional o analítico se describen como compatibles con análisis casi en tiempo real. En la práctica, esto depende de la actualidad de los datos disponibles, la complejidad de las consultas ejecutadas y el diseño de los sistemas de origen y análisis. Los sistemas basados ​​en eventos y los almacenes analíticos pueden utilizarse conjuntamente. Por ejemplo, los eventos seleccionados pueden enviarse directamente a paneles o alertas, mientras que los mismos datos operativos se conservan en un almacén analítico para su posterior revisión. [ 4 ]

Seguimiento de la actividad empresarial

La monitorización de la actividad empresarial (BAM) está estrechamente relacionada con la inteligencia empresarial en tiempo real (RTBI) porque realiza un seguimiento de los procesos empresariales mientras aún están en curso. [ 2 ] [ 11 ] En lugar de esperar a informes posteriores, la BAM utiliza eventos de los sistemas operativos para mostrar si un proceso se está ejecutando como se esperaba o si requiere atención. [ 5 ] Parte de la literatura describe esta superposición entre la BAM y las tecnologías de procesamiento de eventos como inteligencia empresarial basada en eventos o inteligencia operativa. [ 5 ] En este contexto, la inteligencia operativa se refiere al uso de datos operativos actuales para respaldar la monitorización y la respuesta durante la actividad empresarial. [ 5 ]

En una arquitectura BAM, los sistemas operativos generan eventos que se procesan según reglas o patrones predefinidos. La información resultante se puede mostrar en paneles de control o utilizarse para iniciar respuestas en flujos de trabajo y sistemas empresariales. [ 5 ]

Áreas de aplicación

RTBI se utiliza cuando la información tardía puede reducir la utilidad de una decisión o respuesta. La investigación sobre procesamiento de eventos analiza ejemplos en áreas como la detección de fraude, la seguridad de redes, el análisis de mercados financieros, la monitorización de sensores, el seguimiento de inventarios y el control de la producción. [ 6 ] En estos casos, los datos se procesan casi inmediatamente después de su generación, lo que permite identificar cambios antes de un ciclo de informes posterior. [ 6 ]

Los sistemas de monitoreo de la actividad empresarial utilizan eventos de aplicaciones empresariales o motores de procesos para seguir el trabajo mientras aún está en curso. [ 5 ] Esto puede hacer que las excepciones del proceso sean visibles a través de paneles o alertas, en lugar de solo a través de informes posteriores. [ 5 ]

RTBI amplía los usos ya asociados con la inteligencia empresarial, incluyendo el apoyo operativo en manufactura, comercio minorista, servicios financieros, transporte, telecomunicaciones, servicios públicos y atención médica. [ 3 ] Su característica principal es el menor tiempo entre la actividad operativa y la información disponible para monitoreo o respuesta. [ 2 ]

En un entorno minorista, RTBI puede respaldar la disponibilidad de existencias en áreas como la previsión y el reabastecimiento, al hacer que las ventas y los movimientos de existencias estén disponibles más cerca del momento de la actividad de la tienda. Por ejemplo, The Co-operative Group ha informado que utiliza sistemas de cadena de suministro en tiempo real de SAP para proporcionar datos en esas áreas. [ 12 ]

También se ha documentado que las cooperativas financieras y las mutuas utilizan sistemas de datos en tiempo real o basados ​​en eventos. Se ha descrito que Rabobank [ 13 ] está pasando del procesamiento por lotes a operaciones en tiempo real basadas en eventos, [ 14 ] mientras que se ha informado que Nationwide Building Society utiliza Apache Kafka y la captura de datos de cambios para proporcionar acceso casi en tiempo real a los datos de transacciones. [ 15 ]

Limitaciones

Las limitaciones de RTBI incluyen el procesamiento tardío o desordenado de datos. Incluso los resultados iniciales pueden necesitar ser actualizados a medida que se dispone de información más completa. [ 6 ] [ 1 ] Estos problemas están presentes en los sistemas de transmisión continua, donde los flujos de datos continuos se procesan antes de que se conozca toda la información. [ 7 ]

Para sistemas basados ​​en eventos y registros, puede ser necesario un trabajo de diseño adicional para los esquemas de eventos, la reproducción, la monitorización y la coherencia entre las vistas de origen y derivadas. [ 4 ] El origen de eventos admite la reconstrucción de estados anteriores, pero requiere atención a cualquier cambio en el esquema y la gestión de los modelos de lectura derivados del almacén de eventos. [ 9 ] [ 10 ]

El análisis inmediato no siempre es necesario. Hackathorn sostiene que el valor de la inteligencia empresarial depende de si la información está disponible en el momento adecuado, en lugar de en el momento más temprano posible. [ 8 ]

Véase también

Referencias

  1. 1 2 3 4 5 6 Kuznetsov, SD; Velikhov, PE; Fu, Q. (2023-02-01). "Análisis en tiempo real: beneficios, limitaciones y compensaciones" . Programación y software informático . 49 (1): 1– 25. doi : 10.1134/S036176882301005X . ISSN 1608-3261 . 
  2. 1 2 3 4 5 6 7 Azvine, B.; Cui, Z.; Nauck, DD; Majeed, B. (2006). "Inteligencia de negocios en tiempo real para la empresa adaptativa". La 8.ª Conferencia Internacional IEEE sobre Tecnología de Comercio Electrónico y la 3.ª Conferencia Internacional IEEE sobre Computación Empresarial, Comercio Electrónico y Servicios Electrónicos (CEC/EEE'06) . pág. 29. doi : 10.1109/CEC-EEE.2006.73 . ISBN  0-7695-2511-3. S2CID 15523928 . 
  3. 1 2 3 4 5 Chaudhuri, Surajit; Dayal, Umeshwar; Narasayya, Vivek (agosto de 2011). "Una descripción general de la tecnología de inteligencia empresarial" . Comunicaciones de la ACM . 54 (8): 88– 98. doi : 10.1145/1978542.1978562 . ISSN 0001-0782 . 
  4. 1 2 3 4 5 6 Kleppmann, Martin; Beresford, Alastair R.; Svingen, Boerge (2019-04-24). "Procesamiento de eventos en línea" . Communications of the ACM . 62 (5): 43– 49. doi : 10.1145/3312527 . ISSN 0001-0782 . 
  5. 1 2 3 4 5 6 7 8 Schmidt, Werner (2013), "Monitoreo de la actividad empresarial (BAM)" , en Rausch, Peter; Sheta, Alaa F.; Ayesh, Aladdin (eds.), Inteligencia empresarial y gestión del rendimiento: teoría, sistemas y aplicaciones industriales , Londres: Springer London, pp. 229–242 , doi : 10.1007/978-1-4471-4866-1_15 , ISBN  978-1-4471-4866-1, recuperado el 3 de junio de 2026
  6. 1 2 3 4 5 6 Cugola, Gianpaolo; Margara, Alessandro (junio de 2012). "Procesamiento de flujos de información: del flujo de datos al procesamiento de eventos complejos" . ACM Computing Surveys . 44 (3): 1– 62. doi : 10.1145/2187671.2187677 . ISSN 0360-0300 . 
  7. 1 2 Akidau, Tyler; Bradshaw, Robert; Chambers, Craig; Chernyak, Slava; Fernández-Moctezuma, Rafael J.; Lax, Reuven; McVeety, Sam; Mills, Daniel; Perry, Frances; Schmidt, Eric; Whittle, Sam (2015). "El modelo de flujo de datos: un enfoque práctico para equilibrar la corrección, la latencia y el costo en el procesamiento de datos masivos, ilimitados y fuera de orden" . Actas de la Fundación VLDB . 8 (12): 1792– 1803. doi : 10.14778/2824032.2824076 .
  8. 1 2 3 4 Hackathorn, Richard (2004). "The BI Watch Real-Time to Real-Value" . Nueva York: DM Review.
  9. 1 2 3 4 Millett, Scott (2015). Patrones, principios y prácticas del diseño orientado al dominio . Guías profesionales de WROX. Indianápolis, IN: WROX, una marca de Wiley. ISBN 978-1-118-71470-6.
  10. 1 2 MSLearnEventSourcing. "Patrón de origen de eventos" . learn.microsoft.com . Consultado el 3 de junio de 2026 .
  11. ↑ Vera-Baquero, Alejandro; Colomo-Palacios, Ricardo; Molloy, Owen (agosto de 2016). "Monitoreo de la actividad empresarial en tiempo real y análisis del rendimiento de los procesos en dominios de big data" . Telematics and Informatics . 33 (3): 793–807 . doi : 10.1016/j.tele.2015.12.005 .
  12. ↑ Centro de noticias, SAP (13 de junio de 2024). "Co-op prioriza la experiencia del cliente con RISE with SAP" . Centro de noticias de SAP Reino Unido . Consultado el 8 de junio de 2026 .
  13. ↑ Oficial, Rabobank (15 de mayo de 2026). "Inicio Grupo Rabobank" . Rabobank .
  14. ↑ Axual, Rabobank (15 de junio de 2026). "Construyendo una plataforma bancaria en tiempo real con gobernanza" . Axual .
  15. ↑ Carey, Scott (20 de mayo de 2019). "La 'Capa de Velocidad' de Nationwide está diseñada para competir con los bancos retadores" . CompuerWorld .