Los procesos de inteligencia empresarial aportan respuestas

Los temas «Business Intelligence» (BI) y «Gestión de procesos de negocio» (GPM) presentan desde hace tiempo amplios puntos en común: 

Los indicadores de procesos se integran en sistemas de información transversales; para la supervisión de los procesos operativos se utilizan soluciones de seguimiento de la actividad empresarial (BAM); las actividades de los procesos se inician de forma automatizada mediante sistemas de almacenamiento activo de datos (Active Data Warehousing); y, en el ámbito de la inteligencia empresarial operativa (BI), las herramientas de BI se integran directamente en la ejecución de los procesos empresariales.

Desde hace algunos años, están cobrando cada vez más importancia los sistemas de análisis de estructuras de procesos empresariales basados en conjuntos de datos reales integrados. Estos sistemas se abordan bajo el término «Business Process Intelligence» (BPI) y están orientados principalmente al análisis de estructuras de procesos grandes y complejas.

BPI consiste en convertir las lógicas de proceso en objeto de análisis

En este contexto, se abre una nueva perspectiva para la BI cuando se toma como objeto explícito de los análisis la lógica de los procesos, es decir, las dependencias entre las actividades de los procesos. Esto se refiere a la secuencia de actividades realizadas (relaciones de precedencia y sucesión), la agrupación de actividades en procesos parciales y globales, las repercusiones de los cuellos de botella en el proceso (como, por ejemplo, capacidades limitadas de maquinaria o personal), así como la consideración de las dependencias cuando las rutas de los procesos se separan (como en el caso de los procesos de inspección paralelos) o convergen (como en las actividades de embalaje o montaje).

En particular, la posibilidad de rastrear los tipos de incidencias relevantes a lo largo de una cadena de procesos hasta su origen proporciona las condiciones necesarias para derivar medidas específicas y sostenibles destinadas a la mejora de los procesos. Un ejemplo es la detección de las causas de los defectos de calidad en una cadena logística: mediante el seguimiento de los productos defectuosos a lo largo del proceso de suministro, se pueden identificar posibles fuentes de error, como, por ejemplo, un único paso del embalaje exterior o del transporte. Para poder aplicar este enfoque de forma coherente, en los procesos más complejos no basta con presentar meros indicadores resumidos para cada una de las sedes (en el ejemplo anterior: el número de mercancías defectuosas), sino que es necesario registrar cuántos objetos han llegado a una sede y por qué vía.

En el contexto de la gestión de procesos empresariales (GPM), BPI se integra en el ciclo de diseño, implementación y ejecución de procesos mediante el suministro de herramientas informáticas que facilitan el análisis de procesos, y fomenta una orientación hacia los procesos en la empresa. En el mejor de los casos, una gestión de procesos más respaldada por las tecnologías de la información también aumenta la agilidad de la empresa.

Requisitos para una BI orientada a procesos

Por ejemplo, con una simple visión general de las existencias en el proceso no es posible, de forma inmediata, realizar un seguimiento preciso de los flujos de mercancías y diferenciarlos según las rutas de proceso seleccionadas. Para ello, deben cumplirse dos condiciones:

Se dispone de datos sobre cada una de las actividades del proceso

La integración de los datos generados en cada paso del proceso requiere que estos puedan combinarse con el mayor nivel de detalle posible. Lo ideal es alcanzar un nivel de granularidad que permita registrar cada actividad mediante un único objeto. Las fuentes de datos más habituales para ello son, sobre todo, los archivos de registro. Los sistemas más diversos proporcionan archivos de registro adecuados, como los sistemas de gestión de flujos de trabajo, los servidores web que registran las visitas a las páginas web o los sistemas de ejecución de la fabricación, en los que se recopilan datos sobre las actividades de producción.

Los objetos del proceso pueden identificarse individualmente

Se pueden establecer vínculos concretos entre las actividades de un proceso cuando los objetos que se analizan en él no solo se clasifican por tipo (como ocurre, por ejemplo, con un código EAN), sino que pueden identificarse de forma individual (tal y como prevé la norma EPC). Lo ideal es que la identificación de los objetos sea única a nivel mundial, ya que de este modo se dispone de una clave primaria con la que se pueden agrupar los datos. Esto pone de manifiesto también la importancia de los sistemas de identificación, como el RFID, para el análisis de procesos en el caso de objetos físicos.

Herramientas para la BPI

Para la BPI en el sentido anterior, se pueden adaptar tanto las herramientas de BI existentes como utilizar nuevas herramientas de análisis. Entre estas últimas se encuentran, sobre todo, las herramientas de minería de procesos, que proporcionan métodos para extraer estructuras de procesos a partir de archivos de registro. Mediante los procedimientos de minería de procesos se pueden reconstruir los flujos de procesos reales, compararlos con los modelos de procesos teóricos y enriquecerlos con indicadores y reglas de decisión [VdA04]. Para ello se pueden utilizar herramientas especializadas como ProM, de la Universidad Tecnológica de Eindhoven. Además, los algoritmos de minería de procesos ya se han incorporado a suites de gestión de procesos como ARIS.

Además, los análisis BPI también pueden realizarse con herramientas de BI consolidadas, especialmente para OLAP [CCS93]. Sin embargo, esto requiere que la lógica del proceso quede reflejada en el modelo de datos utilizado. Un enfoque posible consiste en que las entradas de la relación de hechos representen actividades individuales, a las que se asocien datos temporales e indicadores de proceso. A través de una dimensión de proceso independiente se establece entonces la relación con el contexto del proceso. De este modo, se pueden utilizar operaciones OLAP habituales para el análisis de procesos, como un desglose en la jerarquía de procesos o un «slicing and dicing» para el análisis específico de indicadores relativos a objetos o rutas de proceso seleccionados [BaS09]. Cabe señalar que los archivos de registro procedentes de la minería de procesos pueden transferirse a este tipo de estructuras de datos y viceversa. Un enfoque OLAP resulta especialmente adecuado cuando ya se conoce la estructura básica de los procesos y esta puede utilizarse para navegar por los conjuntos de datos reales.

El enfoque orientado a los procesos de la BPI conduce rápidamente a la necesidad de disponer de un conjunto de datos integrado en todos los procesos y, por lo tanto, a la creación de un almacén de datos de procesos (PDWH). En este sentido, es recomendable evaluar en qué medida un PDWH debería armonizarse con los almacenes de datos (DWH) ya existentes en la empresa, con el fin de garantizar una alineación coherente de los análisis de procesos con los sistemas de indicadores de nivel superior.

Debate y perspectivas

Cuanto más exhaustivamente se tengan en cuenta los procesos y cuanto más se enriquezcan los datos, más exhaustivos podrán ser los análisis. Así, es posible imaginar que, en una empresa industrial, se incorporen datos de sensores que describan los estados y los recursos de los procesos. De este modo, por ejemplo, se pueden rastrear los defectos y relacionarlos con determinados entornos o configuraciones de maquinaria en etapas del proceso muy anteriores.

La creciente presencia en nuestro entorno de objetos «inteligentes», sensores, máquinas y aparatos abre nuevas posibilidades en este ámbito; sin embargo, estas también nos llevan rápidamente al campo que actualmente se debate bajo el término «Big Data». Un registro detallado de los procesos (por ejemplo, con sistemas de identificación como el RFID) genera rápidamente grandes volúmenes de datos cuando el flujo de objetos es elevado; estos volúmenes aumentan aún más con la incorporación de sensores adicionales y, en el caso de que se incluyan datos de imagen y vídeo, llegan a dispararse.

La conexión con este tipo de fuentes de datos, la extracción de características relevantes para el análisis y su transferencia al PDWH dan lugar a un campo de investigación y desarrollo aún por explorar, con interesantes posibilidades para que las empresas se diferencien de la competencia en un entorno complejo y dinámico.

Los autores

El Dr. Henning Baarses profesor titular de la Cátedra de Administración de Empresas y Informática Empresarial¹ de la Universidad de Stuttgart y portavoz del grupo especializado en «Business Intelligence» de la Sociedad Alemana de Informática. Tras obtener el título de diplomado en Informática Empresarial en 1997, trabajó inicialmente en la Universidad de Colonia, donde se doctoró en 2003. Desde 2003 forma parte del cuerpo docente de la Universidad de Stuttgart. Sus temas de investigación actuales son la «inteligencia empresarial ágil» y la «inteligencia empresarial y la informática ubicua».

El Dr. Xuanpu Sunestudió Informática y Tecnología en la Universidad de Mongolia Interior (China) e Informática Empresarial en la Universidad Humboldt de Berlín. Entre 2007 y 2014 trabajó como investigador en la Cátedra de Gestión Empresarial General e Informática Empresarial 1 del Prof. Dr. Hans-Georg Kemper en la Universidad de Stuttgart. Sus principales líneas de investigación se centraron en los ámbitos de la inteligencia empresarial y la gestión de procesos de negocio. Desde 2014 trabaja como arquitecto de referencia de DWH en Schwäbisch Hall Kreditservice AG.