1. Relación entre Business Intelligence, Big Data y Business Analytics

Estos tres conceptos forman parte de la evolución de la gestión de la información hacia la toma de decisiones. No son lo mismo, pero se complementan: BI mira al pasado, BA al futuro y Big Data es la base de datos masiva que alimenta a ambos.

1.1. Business Intelligence (BI): El enfoque en el pasado y presente

Es el diseño e implementación de infraestructura, procesos y mejores prácticas para el almacenamiento, integración, comunicación y análisis de la información de negocio.

• Trabaja sobre datos estructurados (organizados en bases de datos tradicionales).
• Sirve para analizar el pasado y entender qué ha ocurrido en la empresa.
• Permite avanzar desde los datos en bruto hasta el conocimiento útil para la toma de decisiones.
• Cadena BI: Data Sources → Data Warehouse → Data Exploration → Data Mining → Data Presentation.
• Objetivo: Alinear objetivos con planes estratégicos y ganar competitividad.

1.2. Big Data: Volumen y variedad

Es la tecnología que permite incorporar datos estructurados y no estructurados procedentes de múltiples fuentes (IoT, redes sociales, sensores, etc.). Tecnológicamente, el Big Data surge gracias a tres evoluciones: disponibilidad de datos, capacidad de almacenamiento y capacidad de procesamiento. Es la materia prima: enormes volúmenes de datos diversos que el BI tradicional no podía manejar.

1.3. Business Analytics (BA): El enfoque en el futuro

Permite desarrollar modelos predictivos para la toma de decisiones. Va más allá de analizar lo que pasó: predice lo que va a ocurrir y optimiza decisiones futuras.

2. Niveles de cambio en el rediseño de procesos de negocio

Existen 3 niveles de cambio organizativo, diferenciados por la profundidad y el riesgo asumido:

• Mejora continua: Cambio incremental, riesgo bajo. Ajustes graduales sobre procesos existentes. Ideal para mantener la estabilidad.
• Reingeniería de procesos (BPR): Cambio radical, riesgo medio-alto. Replantear desde cero para lograr mejoras drásticas en costes, calidad o velocidad.
• Transformación organizativa: Cambio total, riesgo muy alto. Rediseño del modelo de negocio, cultura y estructura. Se aplica ante amenazas existenciales o cambios radicales del entorno.

💡 Nota: La reingeniería y la mejora continua son complementarias, no excluyentes.

3. Outsourcing tecnológico: Centros de negocio

El outsourcing tecnológico implica que un proveedor externo gestione servicios TI. La tensión clave es: pérdida de control vs. ganancia de flexibilidad.

Razones Estratégicas

• Centro de Inversión: Crear capacidades nuevas. Acceder a tecnología o talento externo para crecer e innovar.
• Centro de Beneficio: Benchmarking. Acceder a recursos de mayor calidad y mejores prácticas.

Razones Operativas

• Centro de Servicio: Calidad superior. Externalizar porque un especialista ofrece mayor agilidad y disponibilidad.
• Centro de Costes: Ahorro. Transformar CAPEX en OPEX (inversión fija en gasto variable).

4. Seguridad en Sistemas de Información (SI)

La seguridad busca garantizar cuatro pilares: autenticación, confidencialidad, integridad y disponibilidad. Se estructura en tres grupos:

• Seguridad lógica: Protege software y datos (VPN, cifrado, control de accesos, firewalls, SOC).
• Seguridad organizativa: Personas y procesos (formación, políticas, figura del CISO).
• Seguridad física: Infraestructura tangible (cámaras, SAI, copias de respaldo).

El eslabón más débil: El usuario. Los ataques más comunes (phishing, malware) explotan el error humano, por lo que la concienciación es vital.

5. Ecosistema ERP, CRM y SCM

Estos sistemas unifican la información y automatizan procesos:

• ERP (Enterprise Resource Planning): Gestión integral de todas las áreas (RRHH, finanzas, producción).
• CRM (Customer Relationship Management): Gestión de la relación con el cliente (ventas, marketing, soporte).
• SCM (Supply Chain Management): Gestión del flujo de productos desde la materia prima hasta el cliente final.

Interrelación: El ERP actúa como núcleo central, el CRM aporta la visión comercial y el SCM garantiza la logística, formando una red coherente.

6. Cloud Computing: Modelos y despliegue

Modelo de pago por uso que permite acceso bajo demanda a recursos compartidos. Características: autoservicio, accesibilidad web, compartición de recursos, escalabilidad y medición.

Modelos de servicio

• IaaS: Infraestructura (hardware).
• PaaS: Plataforma de desarrollo.
• SaaS: Software listo para usar.

Opciones de despliegue

• Pública, Privada, Híbrida y Multicloud (para evitar el vendor lock-in).

7. Caso práctico: Inteligencia Artificial en la banca

La IA requiere un ecosistema tecnológico (Big Data, Cloud, Machine Learning, APIs) para operar. El enfoque de desarrollo recomendado es Agile, por su flexibilidad y capacidad de iteración, siempre bajo un marco de gobernanza y auditoría estricto.

El futuro de la banca apunta a la hiperpersonalización y la banca embebida, bajo un modelo de «Human in the Loop», donde la IA actúa como copiloto inteligente sin sustituir la responsabilidad humana en decisiones críticas.