Archivo de la categoría: Business Analytics

MS Power BI con fuentes SAP BW, también limitado por la conexión MDX


CONECTIVIDAD A LOS DATOS BW

SAP ofrece dos tipos de conexión a fuentes SAP BW y BW/4HANA para la recuperación de datos para soluciones de BI y Análisis, por un lado, tenemos la conexión BICS (Business Intelligence Consumer Services) y, por otro lado, tenemos la conexión vía MDX (MultiDimensional eXpressins – Lenguaje para base de datos multidimensionales).

BICS, es considerada la alternativa más eficiente por los tiempos de respuesta y por reflejar con mayor fiabilidad/exactitud los modelos de datos SAP BW, especialmente la diversidad de características, sus atributos, variables y jerarquías.

MDX es una consulta que es procesada por otro motor distinto a BICS, por una interfaz pública denominada OLAP BAPIs. El procesador MDX de esta interfaz, brinda un resultado de datos y metadatos que casi siempre difiere de la arquitectura de la fuente SAP BW consultada.

MDX, EL VERDUGO DE LAS SOLUCIONES BI “NO-SAP”

BICS es la conexión de uso exclusivo de los productos ABI (Analytics and Business Intelligence) de SAP. MDX es la conexión que utilizan las herramientas de BI de terceros fabricantes, incluyendo MS Power BI. En las primeras versiones de BusinessObjects (especialmente con Web Intelligence) integrada a SAP, la única alternativa de conexión a BW era MDX y el resultado era muy frustrante para los usuarios al consultar o analizar sus datos.

Actualmente, fabricantes tales como Tableau, Qlik (antes QlikView) o MicroStrategy utilizan la misma conexión MDX y señalan similares limitaciones que reconoce MS Power BI a través de su mecanismo de conexión denominado DirectQuery, utilizando tanto su conector SAP BW Versión 1 o como el mejorado, denominado Versión 2.

LIMITACIONES AL ACCEDER A DATOS BW CON MDX

Entre otras, MS Power BI reconoce las siguientes limitaciones:

  • Cálculo de agregaciones diferentes,
  • Imposibilidad de uso de atributos de características,
  • Ningún tratamiento de jerarquías con niveles desiguales o dependientes del tiempo (sólo se utiliza la vigente o última),
  • Criterios de ordenación (caso meses es alfabético),
  • Imposibilidad de tratar las variables de texto (caso uso como variables de sustitución)
  • Las estructuras de despliegan en su totalidad, por ejemplo, si se tiene dos ratios (Ventas y Coste) y una estructura con dos líneas (Real y Presupuesto) se obtendrían 4 ratios desplegados (Ventas Real, Ventas Presupuesto, Coste Real y Coste Presupuesto).
  • En cuanto al rendimiento, Microsoft también se ve afectado por el mecanismo MDX que está obligado a utilizar. Con la Versión 2 de su conector a SAP BW de MS Power BI ha agregado opciones tales modificar el tamaño del paquete de datos que se recupera por bloque, lo cual podría ayudar a reducir la latencia o tiempos de espera, pero modificar este parámetro por defecto, debe ser controlado/alineado con los recursos del sistema.

CONCLUSION

Las limitaciones reconocidas por Microsoft al conectarse MS Power BI con fuentes SAP BW, señala como “responsable” la API pública a través de MDX, la cual, visto lo que ha sucedido con otros fabricantes, difícilmente mejore. En cuanto al rendimiento, la solución pasa por limitar el número de características o dimensiones que se recuperen y en agregar más filtros/variables obligatorias para reducir el volumen de datos que se lee.

Microsoft sugiere importar los datos, opción que se debe valorar dependiendo de cada necesidad y conjunto de datos a utilizar, por ejemplo, volumen o frecuencia de variación de datos.

¿Qué es la Analítica Aumentada? (augmented analytics) #GartnerABI 01


En este informe se señala que la Analítica Aumentada es uno de los principales elementos diferenciadores, con mayor potencial de crecimiento y despliegue en las propuestas de los principales fabricantes de software analítico. Pero que no necesariamente, todo este crecimiento, irá de la mano con la capacidad de consumo de los usuarios, tal es así, que Gartner predice que para 2022 estas capacidades analíticas serán omnipresentes, pero sólo el 10% de los analistas utilizará todo su potencial.

¿Pero en qué consiste la Analítica Aumenta?

Para definir correctamente este término nos basamos en dos fuentes, por un lado, de Gartner, el cual afirma lo siguiente:

La analítica aumentada es el uso de tecnologías habilitadoras como el aprendizaje automático (machine learning) y la inteligencia artificial (AI) para apoyar la preparación de los datos, generación de conocimiento y la explicación de la información para potenciar la forma en que las personas exploran y analizan datos en las plataformas de análisis y BI. 

Otra referencia es la que encontramos en el siguiente vídeo:

Conclusión

El Augmented Analytics incluirá en las plataformas de Análisis y BI una serie de funcionalidades para facilitar la interacción de los usuarios con la plataforma o herramienta de análisis y obtener datos de mayor calidad y fiabilidad. Se augura que en algún día nos podamos comunicar con las soluciones o “máquinas” de análisis tal como si fuera otro humano y obtener respuestas útiles e inmediatas.

Pero, ¿por qué es tan negativo Gartner al señalar que sólo el 10%  utilizará todo el potencial de la Analítica Aumentada en 2022? Consideramos que este “pesimismo” obedece a que deberá darse una curva de aprendizaje y, sobre todo, porque todo lo que conlleva estas funcionalidades no son nuevas, la novedad está en incluirlas, de forma armónica, en un producto.

Estamos hablando de tecnologías tales como la inteligencia artificial, aprendizaje automático, procesamiento de lenguaje natural, minería de datos o estadística. A mi parecer, si estas técnicas “veteranas” no se han utilizado tanto, como debería ser, en soluciones de análisis, es porque cada una de las partes “hablan de su libro”, por un lado, los técnicos y consultores no aparcan en su discurso sus “técnicas” y “algoritmos”. Y, por otro lado, los usuarios desean hablar de los “procesos clave de su negocio”, y es aquí dónde nos debemos centrar, para identificar con claridad la visión, objetivos del análisis y, en consecuencia, identificar la arquitectura de datos que se requiere.

SAP Lumira, sólo para sistemas operativos de 64 bits (o SAP BusinessObjects Lumira)


La actualización más reciente de SAP Lumira es la 1.31, la herramienta Data Discovery de SAP. Esta herramienta es una aplicación dirigida a usuarios finales con capacidades analíticas y conocimiento del negocio, permitiéndoles cargar los datos con los que desean trabajar, depurarlos, enriquecerlos (generar nuevas columnas, indicadores y jerarquías), diseñar visualizaciones, construir historias que expliquen los hechos y si desean, compartir el conocimiento obtenido.

sap-lumira-1-31-la-ultima-actualizacion-de-la-herramienta-de-data-discovery-de-sap

Desde la actualización 1.23 de SAP Lumira (también llamado SAP BusinessObjects Lumira y antes conocido como SAP Visual Intelligence) se incluye un nuevo motor para tratamiento de datos, basado en técnicas en memoria, lo que posibilita trabajar con conjuntos de datos de gran tamaño, para lo cual es necesario sistemas operativos de 64 bits. Para sistemas operativos de 32 bits se puede utilizar hasta la actualización 1.25 la cual ha tenido soporte hasta el 30 de septiembre de 2016.

product-availability-matrix-pam-de-sap-lumira-1-31

SAP sugiere que para usuarios sin un sistema operativo de 64 bits, acceden vía escritorio remoto o Citrix a equipos con Sistema Operativo 64 bits con una instalación de una actualización reciente de SAP Lumira. (Referencia: Nota SAP 2152737), se debe recordar que los sistemas operativos de 64 bits ofrecen características multi-usuario.

Si deseas probar este producto, accede al siguiente enlace para descargar una edición de prueba o trial: (aquí gratis)

Data discovery, mejor representante del Business Analytics


Cuando hablamosbusiness-intelligence-vs-business-analytics sobre Business Analytics, es hablar de una nueva generación de herramientas más abiertas y flexibles con relación a las que ofrece el clásico Business Intelligence, es esta categoría encontramos productos que reciben calificativos tales como herramientas de exploración, herramientas de descubrimiento  de datos, herramientas de visualización, buscadores empresariales, entre otros.  Comparando el BI con el BA, podríamos destacar los siguientes aspectos:

comparativa-del-business-intelligence-y-business-analytics

Data Discovery

El Data discovery o herramienta de descubrimiento de datos, es la categoría más completa del Business Analytics al incluir posibilidades de tratar directamente las fuentes de datos, depurarlas, filtrarlas, diseñar visualizaciones y facilitar su análisis. Podríamos destacar los siguientes beneficios del Data Discovery y por consiguiente del Business Analytics:

  • Nueva información para todos los niveles de gestión, consecuencia de nuevas perspectivas que se adaptan con más inmediatez a nuevas circunstancias.
  • Disminución de los requerimientos de evolutivos o cambios al equipo responsable de T.I., dado que los analistas acceden a las fuentes de datos, identifican las que requieren, acceden a las mismas y construyen sus documentos de análisis sin la necesidad de contar con conocimientos técnicos profundos o requerir el soporte constante de un experto.

Sugerencias para los analistas

  • Negocio. Ante todo, conocer el proceso de negocio, su ciclo productivo, lo bueno, lo malo, lo mejorable y lo prescindible.
  • No focalizarse en una única hipótesis. Realizar tareas de análisis contantes sobre diversos conjuntos de datos, si no se encuentra resultados relevantes en una iteración, seguir intentando con otro conjunto de datos.
  • Cuestionar los resultados. A partir de los resultados de un análisis, formular preguntas y tratar de comprender y encontrar explicaciones, a partir de un resultado se podría iniciar una nueva tarea de análisis.

Visión del Business Analytics como evolución del Business Intelligence


Al margen de intereses comerciales ajenos, entendemos el Business Analytics como una evolución del Business Intelligence, usualmente implementado de manera rígida, sobre información y modelos de datos conocidos, dando lugar, con mucha probabilidad, que día a día, no tengas ningún sobresalto al observar el reporting , tableros y cuadros de mando que con mucho esfuerzo se ha adoptado en tu organización.

Del tubo único, a la red de tuberías, la información valiosa puede venir de cualquier parte

Pero hace tiempo que las cosas han cambiado, los datos ya no vienen por una única tubería. Hoy por hoy, la variedad y velocidad como llegan los datos, se confrontan con la necesidad de analizarlos con el fin de obtener conclusiones rápidas, veraces y útiles para gestionar los procesos del negocio. Así, en esta coyuntura, surge el concepto del Business Analytics el cual debería tender a lo siguiente:

  • Facilidad para integrar información de sistemas heterogéneos.
  • Mayor facilidad para acceder a las fuentes de datos.
  • Uso de otras técnicas de análisis, además de los clásicos reporting y cuadros de mando.
  • Independencia del área de técnica.
  • Preparación de los datos en menor tiempo.
  • Orientado al self service o autoservicio (usuarios capaces de crear sus propios documentos de análisis).
  • Mejor uso de las mayores capacidades de procesamiento de los equipos actuales.

La implementación del Business Analytics tiene dos pilares, por un lado, la adopción de herramientas o plataformas tecnológicas que faciliten un análisis más ágil y por otro lado, quizás aún más relevante que el componente técnico, es la adopción de esta filosofía en la organización, la cual facilite el acceso a otras fuentes de información y valore las conclusiones que de este nuevo análisis se obtenga.