Necessiten les empreses un data warehouse per a construir una base sòlida de business intelligence (BI)? Responem a la pregunta.
La intel·ligència empresarial o business intelligence i els data warehouse són dos dels elements més importants per al bon funcionament de les empreses modernes. Ambdós contribueixen a la transformació digital de les empreses pel que fa a emmagatzematge, seguretat i aprofitament de les dades.
Avui en dia, l'anàlisi de dades és un procés clau de l'activitat empresarial, tant que resulta complicat imaginar una companyia d'èxit que operi sense analitzar dades.
No és res nou. Les organitzacions sempre han necessitat informació sobre la qual basar les seves decisions. No obstant això, amb l'arribada del Big Data, la quantitat d'informació disponible s'ha multiplicat fins a tal punt que la intel·ligència empresarial o business intelligence és inconcebible sense una correcta gestió de les dades i l'aplicació de processos de data governance i data management.
En aquest punt es troben la business intelligence i els data warehouse. El data warehousing es refereix als processos que les empreses duen a terme per a recopilar i emmagatzemar la informació. La business intelligence és el següent pas: l'anàlisi i el processament d'aquesta informació per a la generació d'intel·ligència i insights que suportin el procés de presa de decisions de negoci basades en les dades (data-driven decisions).
Tots dos conceptes són crucials perquè les empreses puguin aprofitar el valor de les dades i transformar-les en millors decisions i en el desenvolupament d'estratègies de negoci diferencials.
La relació entre data warehouse i business intelligence
Abans de res, és important entendre que, si bé la traducció literal de data warehouse en català és "magatzem de dades", un data warehouse no és una base de dades qualsevol. La principal diferència entre un data warehouse i una base de dades corrent és la capacitat de processament de dades i la integració a les fonts de dades.
| Base de dades | Data Warehouse |
| Capacitat per a emmagatzemar dades d'un nombre reduït de fonts. | Capacitat per a emmagatzemar dades d'un nombre il·limitat de fonts. |
| Eficaç per al processament d'operacions transaccionals. | Eficaç per a analitzar i agregar grans volums de dades. |
| Capacitat d'anàlisi i d'integració de dades limitada. | S'integra a múltiples plataformes i sistemes empresarials, habilitant la visualització de les dades i l'extracció d'informes a partir de dades complexes. |
La unió entre business intelligence i data warehouse és simple: totes dues formen part de la columna vertebral que suporta el sistema informatiu d'una organització. Vegem per què.
Evidentment, les empreses necessiten espais on emmagatzemar els seus actius de dades. No obstant això, la relació entre data warehouse i la BI no acaba aquí.
Un dels principals obstacles que impedeixen a les empreses aprofitar el valor real de les dades i transformar-les en intel·ligència és la fragmentació de dades, que es produeix quan els diferents departaments o unitats de negoci d'una companyia emmagatzemen la informació en diferents magatzems de dades que són incompatibles, impossibilitant la integració de dades i l'intercanvi de coneixement, així com generant sitges de dades que no es poden posar en comú.
L'any 2017 la consultora estatunidenca Gartner va dur a terme una investigació sobre els motius que impedeixen a les companyies ser data-driven. El 52% dels executius enquestats va esmentar que les sitges fragmentades els impedeixen compartir dades i el 33% va reconèixer que la seva empresa no disposa de les tecnologies necessàries de gestió de dades. Per sort, el mercat cada vegada respon amb més rapidesa a les noves necessitats empresarials amb tecnologies més avançades. Exemple d'això és la consolidació del Customer Data Platform (CDP) en els últims anys.
En l'entorn empresarial, és molt habitual que els departaments operin amb sistemes i plataformes heretades que no estan integrades entre si. Això impedeix la consolidació d'una base sòlida i integral de business intelligence.
El data warehouse va ser dissenyat per a solucionar aquesta problemàtica, fent que els fluxos de dades de totes les fonts de dades corporatives es dirigeixin a un repositori central —el data warehouse— i habilitant l'accés a les dades per part de qualsevol persona de l'organització.
D'altra banda, un data warehouse eficient pot accelerar el temps de càrrega per a preparar i analitzar les dades, així com promoure la seguretat de les dades i contribuir al compliment de les normes de protecció de dades.
Funcionament del procés: del data warehouse a la generació de business intelligence
A continuació repassem els passos necessaris per a la construcció d'una base de business intelligence sòlida a través d'un data warehouse.
1. Identificar les fonts de dades
El primer pas per a posar en funcionament un data warehouse és decidir quines dades es volen recopilar i trobar les fonts d'origen per a poder traslladar les dades al data warehouse o a la seva subcategoria, el data mart.
Encara que sembli evident, aquest pas és fonamental, ja que obliga els gerents a plantejar-se què volen aconseguir de les dades, quines dades necessiten per a complir els seus objectius i de quins actius de dades es poden alliberar.
2. ETL: Extract, Transform and Load
Una vegada identificades les dades que es volen centralitzar i el lloc on estan emmagatzemades, es duu a terme el procés d'extracció, transformació i càrrega de les dades, també conegut com a procés ETL.
ETL és una part fonamental del procés, ja que no només extreu la informació que es vol carregar al data warehouse, sinó que també la neteja i la consolida per a garantir la qualitat de les dades i la seva coherència en totes les bases de dades, independentment del sistema del qual procedeixi la informació.
Bàsicament, ETL és el processament necessari per a transformar dades en brut en dades útils, preparades per a ser utilitzades pels analistes i científics de dades, consultors BI o qualsevol altre perfil d'usuari.
Evidentment, la majoria de processos ETL estan automatitzats i fomenten la data quality i la data governance.
Com tota tecnologia, en els últims anys el procés ETL està avançant cap a una nova perspectiva: ELT, que altera l'ordre de les seqüències transform and load.
3. Business Intelligence (BI)
Una vegada que les dades han estat transformades, validades, netejades i consolidades i s'han carregat en el data warehouse, estan llestes per a ser transformades en coneixement a través d'eines de business intelligence.
Les eines de business intelligence són les que permeten als usuaris transformar dades en informació i la informació en insights. Dins dels processos i eines de BI s'inclouen els sistemes de reporting com Power BI, les plataformes de visualització de dades, el desenvolupament de quadres de comandament i informes corporatius, etc.
Les eines d'intel·ligència empresarial líders del mercat, com Microsoft Power BI —líder del Quadrant Màgic de Gartner d'eines analítiques i de BI de 2022—, han estat dissenyades amb perspectiva de negoci i habiliten que usuaris de perfil poc tècnic puguin treballar amb les dades i transformar-les en millors decisions. Garantir que els usuaris finals reben la informació que necessiten de la forma adequada és la base de la business intelligence i el que marca la diferència quant a l'aprofitament de les dades.
A Bismart, empresa partner Power BI de Microsoft, utilitzem Power BI per al desenvolupament de les nostres solucions de business intelligence. En aquest sentit, comptem amb un equip multidisciplinari expert en l'aplicació de les millors pràctiques per a la generació d'intel·ligència empresarial. Amb el seu coneixement hem creat l'e-book "Les 21 millors pràctiques de reporting en Power BI" que pots descarregar de manera gratuïta a continuació:
En definitiva, la intel·ligència empresarial actua com a punt d'unió entre el data warehouse i l'usuari final de les dades.
Necessito un data warehouse per a generar business intelligence?
Resposta curta: Sí.
Tot i que algunes empreses generen intel·ligència empresarial sense tenir un data warehouse, el procés que implica aquest enfocament té molts inconvenients, tant pel que fa al rendiment, com al temps i als diners. El processament de les dades necessari per a generar business intelligence sense un data warehouse pot posar a prova les bases de dades transaccionals, reduir el rendiment i augmentar el temps de càrrega, alentint el procés de transformació de les dades en intel·ligència.
D'altra banda, el solo fet de no comptar amb la infraestructura necessària per a la integració de dades i la integració de sistemes, planteja molts altres problemes, alguns dels quals ja hem vist.
En poques paraules, les bases de dades transaccionals no poden fer el mateix que fa un data warehouse i la seva capacitat per a generar intel·ligència és limitada. No és casualitat que el 48% de les organitzacions consideri que el seu entorn BI és "crític" o "molt important" per a la seva productivitat a llarg termini.
