Enfoques metodológicos de Business Intelligence

En este apartado vamos a revisar muy brevemente los principales enfoques metodológicos existentes para proyectos BI, así como sus principales limitaciones.

El ciclo de vida de un proyecto de BI [17][18] implica múltiples fases, cíclicas y muchas veces ejecutándose en paralelo, de ahí la complejidad que puede llegar a tener. Se han identificado más de 900 tareas a ejecutar [17][19], cosa que hace que no sea del todo sencillo definir una metodología única. Son muchos los enfoques metodológicos que la literatura científica ha tratado. Según R. Cicchetti et al. [20] son éstos:

 

Plan-Driven approach o Requeriment-Driven approach

Esta metodología más tradicional no parece adecuada para este tipo de proyectos [7] ya que este enfoque no satisfará las demandas futuras de los usuarios, y los usuarios difícilmente son capaces de definir y explicar cómo toman sus decisiones.

 

Demand-Driven o User-Driven o Prototype-Driven Approach

Metodologías orientadas hacia la confección de prototipos [21] para la obtención de los requisitos que sean lo suficientemente precisos [7]. Así pues, se busca mostrar al usuario un prototipo funcional [22] para intentar captarlos lo mejor posible [23].

El punto débil de este enfoque está en asumir que todos los usuarios conocen la estrategia empresarial y se comportan de forma coherente con ella, lo cual no siempre es así. Pero de serlo, si realmente son ellos los que van a tomar las decisiones, son ellos también los que deberían dirigir el proceso de creación del sistema de BI.

La idea se fundamenta en crear un primer prototipo basado en los objetivos empresariales y a partir de ahí los usuarios definen las necesidades de información, las preguntas que le van a hacer al sistema BI, y el mantenimiento y evolución futura [24] del mismo.

B. Afolabi y O. Thiery [5] nos hablan de la importancia de usuario para definirlo basándose en sus propias fases cognitivas (observación, abstracción elemental, razonamiento y simbolización y creatividad). Se puede adaptar nuestro sistema de BI al tipo de consultas que nos hará el usuario final (QueryAdaptation) y al tipo de respuestas que espera recibir (Response Adaptation) [25].

 

Data-Driven Approach

Este enfoque [7] se centra en los datos: en cómo están estructurados, en quién los usa, en la forma en que los usan. Se fija en los datos con mayor tasa de acceso, aquellos que se consultan con mayor frecuencia, como se relacionan entre ellos, qué consultas suelen venir asociadas. Son los datos los que dirigen el proceso. Este enfoque se basa en la premisa de que los datos nunca mienten, mientras que de los usuarios es difícil de asegurar. El problema es que en este enfoque, a priori se deja de lado a los usuarios, los objetivos de la organización y los futuros requisitos del sistema.

 

Value-Chain Data Approach

Basado en la cadena de valor del Business Intelligence [9], es una evolución del enfoque Data-Driven focalizada en los datos que generaran mayor valor para el negocio, pero no resuelve las limitaciones de su predecesor. 

 

Process-Driven Approach

Este enfoque se basa en el análisis de los procesos de negocio [14], la información que generan y la información que consumen. El proceso es la clave y se estructura la información según sea el usuario de proceso. Un aspecto que se puede perder de vista en este enfoque, demasiado centrado en el proceso, es la perspectiva global de la organización y las relaciones entre procesos, lo cual puede llevar a tener una visión incompleta o errónea de la organización. 

 

Event-Driven Approach

Este enfoque propone dividir los procesos de negocio bajo tres puntos de vista: Datos, Función y Organización, cada una de los cuales se conecta entre sí a través de eventos. La gran ventaja de este enfoque es el análisis funcional de la organización. 

V. Stefanov y B. List [6] proponen este mismo modelo extendido con objetos BI y conectores de información BI, como una manera de rellenar el gap entre el negocio y los sistemas de BI. Este enfoque es muy complejo de llevar a la práctica y requiere una gran experiencia y modelos organizacionales muy maduros. 

 

Object-Process Driven Approach

Es una de las variantes metodológicas a medio camino entre el Event-Driven y el Process Driven [13]. En este enfoque, tanto los objetos como los procesos tienen la misma importancia desde el punto de vista decisional y por tanto se deben tratar de la misma manera.

 

Joint Approach

Enfoque metodológico centrado en el reconocimiento de las arquitecturas funcionales cruzadas de las empresas. Los procesos no son de un solo departamento, sino que existen muchos puntos de contacto y muchas junturas[11], por lo tanto es donde se tiene que centrar el esfuerzo. La idea es que la organización es una matriz de procesos con diferentes necesidades de información, pero allí donde se juntan es donde debemos hacer el mayor esfuerzo. La dificultad del enfoque puede radicar en la dificultad en definir los procesos de gestión y control de la información en estos puntos de contacto.

 

Goal-Driven Approach

Este enfoque [7] se centra en el objetivo de los procesos estratégicos de la organización y se basa en el análisis de la interacción que tanto clientes como usuarios hacen para conseguir dicho objetivo. A partir de ahí establece necesidades de información e interrelaciones entre ellas que darán lugar a la estructura del sistema de Business Intelligence. El problema puede aparecer cuando no existe un conocimiento o alineamiento preciso entre los procesos estratégicos y los tácticos u operacionales.

 

Triple-Driven Approach

Vista la inmadurez de las metodologías de Business Intelligence, en Y. Guo et al. [12] apuestan por una combinación de las mejores ideas de cada una de las metodologías Goal, Data y User Driven, creando la Triple-Driven, pues se considera que estos tres enfoques son perfectamente compatibles.

 

Model Driven Approach

Otra de las metodologías que se han usado en BI es la Model Driven [3][4]. Con ella, se pretende tender un puente entre el negocio y el departamento de Informática, intentando proporcionar la base para desarrollar soluciones rápidas, que evolucionen fácilmente y flexibles. Debido a su alto nivel de la reutilización de la abstracción y del código, la metodología MDA (Model-Driven Architecture) se ha aplicado extensamente. El MDA permite reducir tiempo de desarrollo de software, y mejorar la calidad y el mantenimiento de la solución. Pero por el contrario, es difícil definir este modelo simplificado de la realidad y aún es difícil de implantar sobre arquitecturas SOA (Service-Oriented Architecture) y en organizaciones reales.

 

Adaptive Business Approach

La metodología Adaptive Business Approach[8] se basa estrictamente en aquellos aspectos realmente relevantes para el negocio y su evolución. Se centra en los problemas que el negocio tiene que resolver para adaptarse a los cambios del mercado y en los datos de que disponemos para ello. El resultado de los sistemas de Business Intelligence han de ser o bien la solución al problema o bien la aportación de más conocimiento sobre el problema para seguir analizando y tomando decisiones para hallar dicha solución. El centrarse en sólo lo relevante para el cambio, puede dejar de lado o no considerar explícitamente otros aspectos no tan críticos del negocio, pero que determinan o influyen en aspectos más relevantes. Por lo tanto estas dependencias tienen que tenerse en cuenta explícitamente y no obviarse.

 

Agile Approach

Si este enfoque puede considerarse novel en el área de Ingeniería del Software, lo es más en el área de Business Intelligence. La primera referencia académica que encontramos referente al uso de las metodologías ágiles en BI es un pequeño articulo divulgativo en el año 2001 de apenas 2 páginas en el que L.T. Moss[10] comenta que sería posible realizar proyectos de Business Intelligence con rigor usando las metodologías ágiles. Posteriormente, J. Fernández et al. [26] analizan la correlación entre los principios básicos de las metodologías ágiles y las necesidades de una metodología de BI. Entre tanto, algunos trabajos adicionales aparecen, pero sorprende la reducida cantidad de trabajos académicos del tema respecto al enorme número de artículos de experiencias reales del tema, creciendo exponencialmente en 2011.