Unidad 5: Software de inteligencia de negocios (Business

Intelligence)

5.1 Introducción a la inteligencia de negocios (BI)

Hoy, en el mundo de los negocios, las decisiones estratégicas son extremadamente

importantes para obtener información apropiada y oportuna. Esto es compatible con toda la
empresa. El uso de datos en una organización funciona como un factor impulsor en la toma de
decisiones, ya que incluye el conocimiento sobre las funciones actuales y los pronósticos de
eventos futuros.

El análisis de datos tiene una variedad de estrategias que pueden generar conocimiento que
le permite apoyar las decisiones comerciales. Es importante mencionar que la tecnología de la
información juega un papel muy importante en el registro, almacenamiento y procesamiento
de los datos generados por las operaciones de la compañía.

Estamos en la era de la información (observe figura 5.1), ya que las nuevas tecnologías han
provocado que se utilicen muchísimos datos. Enseguida se muestran algunos ejemplos de
compañías:

- Bancos
- Empresas productivas
- Instituciones educativas
- Empresas de servicios
- Gobierno
- Etc.
Figura 5.1 Era de la información

Las organizaciones e instituciones usan muchos datos, y cada una utiliza sus propias maneras
para almacenarlos. Algunas tienen:

✓ CRM (Gestión de Relaciones con el Cliente)

✓ ERP (Planificación de Recursos Empresariales)

- Documentos de texto

123
 - Tablas de Excel

✓ Bases de datos

✓ Información en la nube

✓ Redes sociales

Como se muestra en la figura 5.2, es necesario organizar los datos de manera adecuada para
que estos puedan ser útiles.

Organizar

Figura 5.2 Organizar los datos

En las organizaciones existen diferentes áreas o departamentos, en las siguientes figuras se

muestran algunos ejemplos de estos:

Figura 5.3 Área de Dirección Figura 5.4 Área de Recursos humanos

124
 Figura 5.5 Área de Producción Figura 5.6 Finanzas y contabilidad

Figura 5.7 Marketing y ventas Figura 5.8 Servicios al cliente

Figura 5.9 Área de Sistemas Figura 5.10 Empresas externas

Y como sucede en todas las compañías: “Cada departamento puede tener su forma de
almacenar los datos”.

125
Los datos que se generan dentro de la empresa pueden ser muy variados y en grandes
cantidades, por lo que pueden estar almacenados en distintos formatos, así como se muestra
en la figura 5.11:

Tablas

Texto

Bases de datos

Figura 5.11 Distintos formatos para almacenar datos

Los datos deben servir a la organización para retroalimentarse y decidir que procesos se deben
optimizar para poder lograr:

✓ Aumentar las ventas

✓ Reducir costos

✓ Atraer clientes

✓ Mejorar la calidad

✓ Producir más

✓ Entre otros

Lo importante es que los datos sirvan a los supervisores, directivos, y dueños de la

organización para analizarlos y puedan apoyar a la toma de decisiones, así como se muestra
en la figura 5.12.

126
 Figura 5.12 Los datos apoyan las decisiones

Manejar los distintos tipos de datos y visualizar cuestiones importantes para la organización
en ocasiones se vuelve complicado. Observe la figura 5.13.

Figura 5.13 Los datos son variados

Entonces, los datos deben ser integrados para convertirse en información útil para la
organización. Observe figura 5.14.

Figura 5.14 Los datos se convierten en información útil

127
Definición de Inteligencia de Negocios

La Inteligencia de Negocios (Business Intelligence o BI) es la serie de tácticas y recursos para

la gestión y generación de conocimiento a través del análisis de datos de un negocio con el
objetivo de simplificar la toma de decisiones en el ámbito empresarial.

La BI se centra en el manejo de grandes volúmenes de información provenientes de diferentes

áreas de una empresa, aplicándoles métodos y herramientas para que sea posible analizar el
entorno organizacional.

La inteligencia de negocios o BI es el proceso de transformación de los datos en conocimiento

para la toma de decisiones. Una toma de decisiones estará bien fundamentada cuando se
base en datos objetivos y fiables sobre un hecho determinado.

Para entender esta definición vamos a observar la figura 5.15 donde se visualiza la relación
que tienen los datos, la información y el conocimiento.

Figura 5.15 Datos-Información-Conocimiento

128
5.2 Herramientas tecnológicas de BI

Las herramientas tecnológicas nos han servido para optimizar y mejorar los procesos, ya que
son un mecanismo sistematizado para obtener información válida y certera sobre tópicos en
específico.

Algunos ejemplos de herramientas pueden ser:

✓ Software

✓ Dispositivos electrónicos

✓ Plataformas digitales: Servicios

✓ Máquinas o dispositivos automatizados: Robots

Estas herramientas permiten aumentar la eficiencia, reducir costos, mejorar la calidad y ampliar
la capacidad.

Las herramientas tecnológicas de la inteligencia de negocios son plataformas, aplicaciones o

software diseñados para ayudar a las empresas a recopilar, procesar, analizar y visualizar
datos con el fin de mejorar la toma de decisiones. Estas herramientas permiten a las
organizaciones convertir grandes cantidades de datos sin procesar en información útil y
accionable para comprender mejor su negocio, identificar patrones, prever tendencias y
optimizar procesos.

Características de las herramientas de BI:

✓ Recopilación de datos

✓ Procesamiento de datos

✓ Análisis de datos

✓ Visualización de datos

✓ Informes interactivos:
129
A continuación, se presentan algunas herramientas tecnológicas de BI que pueden ser
utilizadas. En cada una de estas herramientas se muestra una figura del entorno de trabajo de
cada una.

Power BI. Se trata de un servicio de análisis empresarial de Microsoft cuyo objetivo es

proporcionar visualizaciones interactivas y capacidades de inteligencia empresarial.

Figura 5.16 Herramienta Power BI

Tableau. Es un software de análisis e inteligencia de negocios. Permite el desarrollo de

productos de visualización de datos interactivos.

Figura 5.17 Herramienta Tableau

130
QlikView. Software que combina todos los datos, ayuda a crear informes y a obtener
conocimientos empresariales de forma rápida. Además, se puede exportar la información en
formato Excel.

Figura 5.18 Herramienta QlikView

SAP BI. Es un software con el que se puede compartir información estratégica. Su plataforma
analítica puede dar soporte a sus usuarios y de una única herramienta a múltiples herramientas
e interfaces.

Figura 5.19 Herramienta SAP BI

131
Pentaho. Es una serie de programas gratuitos destinados a crear inteligencia empresarial.
Incorpora instrumentos integrados para la elaboración de informes, la minería de datos, entre
otros. Facilita la simplificación de las transacciones de información y la democratización del
acceso a la información para todos los interesados de la compañía.

Figura 5.20 Herramienta Pentaho

MicroStrategy. Ofrece lo necesario para acceder, visualizar y analizar los datos de forma
gratuita. Además, ofrece análisis rápidos y flexibles para ayudar a maximizar el impacto de
los datos.

Figura 5.21 Herramienta MicroStrategy

132
SAS BI. Ayuda a los usuarios a tener la información correcta, integrar y descubrir datos por su
cuenta. Además, con esta herramienta puedes compartir informes interactivos y revisar
análisis fáciles de usar.

Figura 5.22 Herramienta SAS BI

Sisense. La herramienta analítica facilita la preparación, análisis y exploración de datos en

aumento de diversas fuentes. Contribuye a facilitar el análisis de datos y desbloquear los datos
de la nube, permitiendo que todos puedan examinar los datos y producir resultados óptimos.

Figura 5.23 Herramienta Sisense

133
Oracle BI. Facilita la simplificación de las estrategias de análisis mediante una plataforma
actualizada e integrada. Facilita a individuos de toda la organización la toma de decisiones
empresariales más ágiles, más fundamentadas y preparadas para aparatos móviles.

Figura 5.24 Herramienta Oracle BI

Zoho Analytics. Software que facilita la creación de informes y el análisis visual de datos, y la
identificación de información en solo unos minutos. Es posible convertir grandes volúmenes de
datos en bruto en reportes visuales. Es posible llevar a cabo un monitoreo de las principales
métricas corporativas.

Figura 5.25 Herramienta Zoho Analytics

(IEBS, 2022)
134
Ejemplo en QlikView:

Un usuario puede pedir que se examinen los datos que muestren los productos de pelota de
una compañía vendidos en Florida en julio, cotejar los números de ingresos con los de los
mismos productos en septiembre y posteriormente realizar una comparación con otras ventas
de productos en el mismo lapso de tiempo. Observa la ilustración 5.26.

Figura 5.26 Ejemplo en QlikView

Ejemplo en PowerBI:

Se muestra un reporte de ventas de una industria de videojuegos por categorías y años. Vea
la figura 5.27.

Figura 5.27 Ejemplo en Power BI

135
La inteligencia empresarial se enfoca específicamente en los grandes volúmenes de datos que
provienen de diversas áreas de una organización. A estos datos se les aplican ciertos métodos
y herramientas para poder examinar eficazmente el ambiente organizacional, identificando así
las fortalezas y debilidades de la empresa con el fin de definir estrategias e identificar el
surgimiento de nuevas oportunidades.

136
5.3 Sistemas de soporte a la decisión

Como se ha mencionado anteriormente, las empresas utilizan muchos datos que

posteriormente se convierten en información útil, la cual se transforma en un conocimiento que
servirá para la adecuada toma de decisiones. Para esto, el conocimiento debe ser correcto y
preciso, lo cual ayudara a realizar una buena planificación estratégica y de crecimiento.

Se observa entonces la gran importancia que tienen los datos, los cuales se pueden ser
almacenados, para utilizar herramientas de inteligencia de negocios y realizar los análisis
necesarios sobre estos datos.

Para entender como las tecnologías de inteligencia de negocios ayudan a realizar análisis de
datos adecuados, es necesario primero comprender la relación que tienen los almacenes de
datos y la inteligencia empresarial. Y aquí podemos mencionar que dentro de las herramientas
de inteligencia de negocios para el análisis de datos nos encontraremos con los sistemas de
soporte a la decisión (DSS).

Al hablar de las bases de datos para la toma de decisiones en inteligencia de negocios

debemos poner atención en los siguientes puntos:

Tipos de bases de datos para BI. Hace referencia a las distintas bases de datos con las
que podemos trabajar:
✓ Bases de Datos relacionales (RDBMS)

✓ Data Warehouse (almacén de datos)

✓ Bases de Datos NoSQL

✓ Data Lake

Proceso de toma de decisiones con bases de datos. Comprende todas las actividades
que se realizan con los datos como:

✓ Extracción de Datos (ETL/ELT)

✓ Transformación y Almacenamiento

✓ Análisis y Modelado

✓ Visualización y Reportes, y Toma de Decisiones.

137
Herramientas clave para BI y bases de datos. Existen distintas técnicas y herramientas que
pueden ser utilizadas en BI y bases de datos, como son:

✓ SQL y NoSQL: Para manipulación de datos.

✓ ETL (Extract, Transform, Load): Apache Nifi, Talend, Airflow.

✓ Big Data & Analytics: Hadoop, Spark, Databricks.

✓ Visualización: Power BI, Tableau, Google Data Studio.

Características de los DSS

El DSS es una de las herramientas más representativas de la Inteligencia Empresarial dado

que, entre otras características, facilitan la solución de gran parte de las restricciones de los
programas de administración. Estos son algunos de sus atributos más destacados:

✓ Informes dinámicos, flexibles e interactivos

✓ No requiere conocimientos técnicos

✓ Rapidez en el tiempo de respuesta

✓ Integración entre todos los sistemas/departamentos de la compañía

✓ Cada usuario dispone de información adecuada a su perfil

✓ Disponibilidad de información histórica

Tipos de Sistemas de Soporte a Decisiones

A continuación, se mencionan los tipos de sistemas de soporte a decisiones que nos podemos
encontrar:

138
Sistemas de información gerencial (MIS). Conocidos también como Sistemas de
Información Administrativa (AIS), respaldan una gama más extensa de funciones
organizativas, situándose en una posición intermedia entre un DSS convencional y una
aplicación CRM / ERP establecida en la misma empresa.

Sistemas de información ejecutiva (EIS). Los Executive Information System son el tipo de
DSS más frecuentemente utilizado en la Inteligencia de Negocios, dado que proporcionan a
los directivos un acceso fácil a datos internos y externos de su empresa, lo cual es crucial para
sus elementos esenciales de éxito.

Sistemas expertos basados en inteligencia artificial (SSEE). Los sistemas expertos,

también conocidos como sistemas basados en conocimiento, emplean redes neuronales para
emular el saber de un experto y emplearlo de manera eficaz para solucionar un problema
específico.

Sistemas de apoyo a decisiones de grupo (GDSS). Un Group Decision Support Systems es

un sistema basado en computadoras que respalda a grupos de individuos que comparten un
objetivo común, funcionando como interfaz con un ambiente común. El GDSS sostiene que, si
se optimizan las comunicaciones, se pueden optimizar las decisiones.

(Sinergia, 2023)

5.3.1. Almacenes de datos (Data Warehouse)

Un almacén de datos o Data Warehouse (DW) es un sistema electrónico que almacena

grandes volúmenes de datos de forma organizada y estructurada para facilitar el análisis, la
toma de decisiones y la generación de reportes. A diferencia de las bases de datos
operacionales (que están diseñadas para gestionar transacciones del día a día, como ventas
o inventarios), un Data Warehouse está pensado para consolidar, depurar y organizar la
información proveniente de diversas fuentes con el fin de analizarla a largo plazo.

La información que se almacena en un Data Warehouse proviene distintas fuentes, como

pueden ser, bases de datos transaccionales, archivos planos, aplicaciones, etc. Una vez que
los datos están almacenados, estos se limpian, se organizan en categorías y quedan listos
para ser analizados.

En la figura 5.28 se muestra un Data Warehouse.

139
 Figura 5.28 Ejemplo de Data Warehouse de (Rojas & Burgos, 2023)

Una de las razones de la existencia de los Data Warehouse es porque dentro de las empresas
la información se ubica en distintos sistemas, por ejemplo, el área de ventas tiene un sistema
que registra las compras, en recursos humanos tiene otro sistema con la información del
personal, en finanzas maneja un sistema diferente para los gastos e ingresos.

Si el director general de la empresa quisiera responder una pregunta estratégica como:

¿Cómo afecta el ausentismo del personal en la rentabilidad mensual?, necesitaría combinar
datos de ventas, recursos humanos y finanzas. Y el problema es que cada sistema maneja sus
datos de forma diferente, lo que hace difícil unirlos y analizarlos.

Aquí es donde aparece un Data Warehouse, que lo que puede hacer es lo siguiente:

✓ Unifica los datos de múltiples fuentes.

✓ Limpia y transforma la información para que sea consistente.

✓ Organiza la información de forma estructurada (por fechas, categorías, etc.).

✓ Permite hacer consultas rápidas y generar reportes para tomar decisiones informadas.

140
La manera en que trabaja un Data Warehouse suele incluir tres fases principales conocidas
como ETL (Extract, Transform, Load), las cuales se mencionan a continuación:

1. Extracción (E): Se recopilan los datos desde diferentes fuentes, como bases de datos
transaccionales, archivos Excel, CRM, ERP, etc.

2. Transformación (T): Los datos se depuran, se estandarizan y se convierten en un formato

coherente. Por ejemplo, si una base de datos tiene las fechas como DD-MM-YYYY y otra
las tiene como YYYY/MM/DD, el DW las unifica a un solo formato.

3. Carga (L): Los datos transformados se almacenan en el Data Warehouse, listos para ser
consultados.

Arquitectura básica de un Data Warehouse

Un Data Warehouse está compuesto por los siguientes elementos:

✓ Fuentes de datos: Sistemas transaccionales, aplicaciones web, documentos CSV, hojas

de cálculo, redes sociales, entre muchos más.

✓ ETL: Es el proceso que extrae, transforma y carga los datos al Warerhouse.

✓ Almacén central: Es donde esta almacenada la información organizada.

✓ Data Marts: Son subconjuntos de un Data Warehouse dedicados a áreas específicas

como finanzas, ventas, marketing, entre otras.

✓ Herramientas de consulta y análisis: Permiten explorar y visualizar la información

almacenada, como Power BI, Tableau o SQL.

Beneficios de un Data Warehouse

Algunos de los beneficios que se pueden obtener al utilizar un Data Warehouse son los
siguientes:

141
 • Toma de decisiones estratégicas: Facilita el análisis histórico para detectar patrones,
tendencias y hacer proyecciones.

• Acceso rápido a la información: Permite generar reportes en minutos, algo que en

bases de datos transaccionales podría tardar horas.

• Datos consistentes y confiables: Al centralizar y limpiar la información, se evitan

inconsistencias y errores.

• Mejora la eficiencia operativa: Reduce el tiempo y esfuerzo para acceder a

información clave.

Ejemplos de Data Warehouse:

Comercio electrónico: Un Data Warehouse almacena datos de clientes, ventas, inventario y

comportamiento de compra. Los analistas pueden identificar productos más rentables o
predecir las épocas del año con mayores ventas.

Sector salud: Permite analizar historiales médicos de pacientes, evaluando patrones de

enfermedades o eficacia de tratamientos.

Banca: Facilita el análisis de transacciones para detectar fraudes o evaluar la rentabilidad de

los clientes.

Diferencia entre Data Warehouse y Data Lake

Aunque suenan similares, no son lo mismo:

Data Warehouse: Almacena datos estructurados, listos para el análisis. Ideal para reportes y
consultas empresariales.

Data Lake: Almacena datos sin procesar, estructurados y no estructurados (imágenes, videos,
logs). Más flexible, pero requiere procesamiento antes del análisis.

142
Data Mart

Es un subconjunto de un Data Warehouse, los cuales se dedican a un área específica como

puede ser finanzas, ventas, marketing, entre otras. Por lo tanto, almacena solo la información
correspondiente al área en cuestión.

Son útiles para analizar los datos de un área o departamento de forma mas eficaz. Por lo que
obtenemos información resumida y rápida que el área necesita. Por ejemplo, el área de ventas
quiere detectar los productos que más se vendieron en un determinado periodo de tiempo.

Un Data Mart es un subconjunto de un almacén de datos, que se centra en un departamento,

función o línea de negocio específicos dentro de una organización. Actúa como un depósito de
datos relevantes y organizados, adaptados para satisfacer las necesidades específicas de un
grupo particular de usuarios.

¿Para qué sirve un Data Mart?

Son utilizados para mejorar el acceso y la disponibilidad de datos relevantes para la toma de
decisiones en un ámbito especifico.

Proporcionan a los usuarios finales un acceso más rápido y sencillo a los datos que necesitan
para realizar análisis y tomar decisiones informadas.

El almacenamiento de datos juega un papel fundamental en las empresas modernas ya que el

volumen y la complejidad de los datos continúan aumentando exponencialmente, al organizar
los datos de manera estructurada dentro de un Data Mart las empresas pueden obtener
información valiosa y tomar decisiones basadas en información precisa y relevante.

Un Data Mart ayuda en el análisis de la información de varias formas, permite a los usuarios
acceder a datos relevantes y específicos para su análisis, realizar consultas rápidas y
eficientes, y encontrar fácilmente la información que necesitan sin tener que navegar a través
de un Data Warehouse completo.

143
¿Como se crea un Data Mart?

La creación de un Data Mart implica un proceso sistemático que requiere una planificación
cuidadosa y la consideración de varios factores. Se inicia identificando los requisitos y objetivos
comerciales específicos que atenderá el Data Mart, seguido por el proceso de ETL (extracción,
transformación y carga) de los datos relevantes.

En la siguiente figura 5.29 podemos observar un Data Warehouse y sus Data Mart:

Figura 5.29 Data Warehose y Data Mart de (Riquelme, 2021)

5.3.2. Tableros de control

Dentro de la inteligencia de negocios, un tablero de control o dashboard, es un instrumento

visual que nos muestra de manera clara y precisa el estado actual de uno o varios
componentes medibles (indicadores, planes, estrategias, iniciativas) de la administración de
una empresa, ya sea de manera global o especifica. Su propósito es ofrecer una vista rápida
y comprensible del estado actual de un negocio, proceso o área específica, permitiendo a los
usuarios identificar tendencias, detectar problemas y tomar decisiones basadas en datos.

Características de un tablero de control en Inteligencia de negocios

Algunas de las principales características que tiene un tablero de control están las siguientes:

144
Visualización intuitiva: Usa gráficos, tablas, mapas y otros elementos visuales para
representar la información de forma clara y comprensible.

Datos en tiempo real o históricos: Muestra información actualizada o tendencias pasadas

para facilitar comparaciones.

Interactividad: Permite filtrar, segmentar o profundizar en los datos con un par de clics.

Integración de fuentes de datos: Puede combinar información de diferentes bases de datos,

ERP, CRM o plataformas externas.

Personalización: Los tableros de control pueden adaptarse a las necesidades de cada usuario
o departamento (ventas, finanzas, marketing, etc.).

Tipos de tableros de control

Una clasificación de tableros de control se presente a continuación:

Tablero estratégico:

✓ Enfocado en la visión general de la empresa.

✓ Muestra KPIs relacionados con objetivos a largo plazo (rentabilidad, crecimiento,

satisfacción del cliente).

✓ Usado por la alta dirección.

Tablero táctico:

✓ Orientado a la gestión intermedia.

✓ Muestra métricas específicas para áreas como ventas, marketing o finanzas.

✓ Ayuda a los gerentes a supervisar el rendimiento.

Tablero operativo:

✓ Detalla procesos del día a día.

145
✓ Muestra datos en tiempo real, como el rendimiento del equipo o el estado de las
operaciones.

✓ Usado por supervisores o analistas.

Beneficios de un tablero de control en BI:

Algunos de los beneficios de los tableros de control son los siguientes:

✓ Mejora la toma de decisiones basada en datos precisos.

✓ Aumenta la eficiencia operativa al identificar rápidamente áreas problemáticas.

✓ Facilita el seguimiento de objetivos mediante la visualización de KPIs.

✓ Fomenta la transparencia y colaboración entre departamentos.

Herramientas para crear tableros de control

Algunas de las herramientas mas populares para crear un tablero de control pueden ser las
siguientes:

✓ Power BI (Microsoft): Muy utilizado en empresas para crear dashboards interactivos.

✓ Tableau: Plataforma robusta para visualización avanzada de datos.

✓ Looker (Google): Herramienta potente para BI con visualización atractiva.

✓ Qlik Sense: Ofrece análisis de datos y dashboards interactivos.

146
5.4 Indicadores clave de rendimiento (KPI)

Un Indicador Clave de Rendimiento o KPI (Key Performance Indicator), es una métrica

cuantificable que evalúa el desempeño de un proceso, área o estrategia específica en relación
con los objetivos establecidos. En el contexto de la inteligencia de negocios (BI), los KPIs
son fundamentales para medir el progreso y tomar decisiones basadas en datos.

Características de un KPI

Enseguida se presentan las características de un KPI:

Específico: Debe estar claramente definido y relacionado con un objetivo concreto (por
ejemplo, aumentar las ventas un 10 % en el próximo trimestre).

Medible: Se debe poder cuantificar (números, porcentajes, ratios, etc.).

Alcanzable: Debe ser realista y posible de lograr.

Relevante: Relacionado directamente con las metas estratégicas del negocio.

Temporal: Debe tener un marco temporal definido (diario, semanal, mensual, trimestral,
anual).

Tipos de KPIs en inteligencia de negocios

Los distintos tipos de KPIs que nos podemos encontrar dentro de la inteligencia de negocios
están:

KPIs financieros:

✓ Margen de ganancia bruta (%): ((Ingresos - Costos) / Ingresos) × 100.

✓ Rentabilidad neta: Beneficio neto después de impuestos dividido por los ingresos.

✓ ROI (retorno sobre la inversión): ((Ganancia - Inversión) / Inversión) × 100.

147
KPIs de ventas:

✓ Tasa de conversión: (N° de clientes que compran / N° total de visitantes) × 100.

✓ Crecimiento de ingresos: ((Ingresos actuales - Ingresos anteriores) / Ingresos anteriores)

× 100.

✓ Valor medio del pedido (AOV): Ventas totales / Número de pedidos.

KPIs operativos:

✓ Tiempo de ciclo: Tiempo necesario para completar un proceso.

✓ Eficiencia operativa: Relación entre la producción lograda y la capacidad máxima.

KPIs de marketing:

✓ Costo por adquisición (CPA): Costo total de la campaña / N° de clientes adquiridos.

✓ Tasa de clics (CTR): (N° de clics / N° de impresiones) × 100.

✓ Retorno de la inversión publicitaria (ROAS): Ingresos generados por la campaña /

Gasto publicitario.

KPIs de clientes:

✓ Tasa de retención de clientes: ((Clientes al final del periodo − Nuevos clientes) / Clientes
al inicio del periodo) × 100.

✓ Índice de satisfacción del cliente (CSAT): Promedio de puntuaciones obtenidas en

encuestas de satisfacción.

Ejemplo práctico:

Si gestionas un curso online, algunos KPIs relevantes podrían ser:

Tasa de finalización del curso: (Número de estudiantes que completan el curso / Número
total de estudiantes inscritos) × 100.

148
Calificación promedio del curso: Promedio de las reseñas o puntuaciones de los
estudiantes.

Tasa de conversión de leads: (Número de personas que compran el curso / Número total de
visitantes a la página) × 100.

Para terminar de entender la utilidad de un KPI, en la siguiente figura 5.30 podemos observar
un ejemplo de este.

Figura 5.30 Data Warehose y Data Mart tomada de (Riquelme, 2021)

149