Business Intelligence (inteligencia de negocios): qué es y cómo funciona
La inteligencia de negocios es la práctica de llevar los datos de una organización, ya ordenados en informes y tableros, a las personas que deben decidir algo con ellos. Su valor no se mide por cuántos informes produce, sino por cuántas decisiones llegan a tiempo y con información correcta.
Última actualización: 2026-11-09
Contenido de esta página
- ¿Qué es business intelligence?
- ¿Cómo funciona la inteligencia de negocios, vista desde quien la usa?
- BI tradicional vs BI de autoservicio: ¿qué cambia y qué se arriesga?
- ¿Quién es dueño de qué en un entorno de inteligencia de negocios?
- BI vs analítica de datos: ¿en qué se diferencian?
- ¿Cómo se mide si el BI sirvió de algo?
- Lo que el BI le debe todavía a Luhn
En octubre de 1958, la revista de investigación de IBM, la compañía de computadores, publicó un artículo de seis páginas firmado por H. P. Luhn: A Business Intelligence System [1]. No hablaba de pantallas ni de gráficos. Hablaba de papel.
Luhn describía un problema que cualquier oficina reconoce. Como nadie sabía bien quién necesitaba cada documento, la costumbre era repartir información a lo ancho, por si acaso. Su diagnóstico fue seco: «como este método tiende a inundar de papel a los destinatarios, la probabilidad de no comunicar nada se vuelve grande» [1]. Las citas en inglés de esta página son traducción propia.
El mismo texto señala un segundo problema: dar con la persona o la sección cuyo interés coincide con una situación dada. Esa dificultad, escribe Luhn, «a menudo termina en decisiones inadecuadas, acciones equivocadas, inacción o duplicación» [1]. Su propuesta fue un sistema que resumiera cada documento y lo enviara solo a los «puntos de acción» que lo necesitaban [1]. Así llamaba a las personas, grupos o departamentos que tenían que hacer algo con esa información [1].
Han pasado 68 años. Las máquinas cambiaron por completo. La pregunta de Luhn sigue intacta: ¿le llega a quien decide la información que necesita, a tiempo y sin ahogarlo? Esa pregunta es la inteligencia de negocios.
¿Qué es business intelligence?
Business intelligence, en español inteligencia de negocios, es el conjunto de personas, reglas y herramientas que pone cifras confiables frente a quien tiene que decidir, cuando lo necesita. Su producto visible son los informes y los tableros, pantallas que reúnen unos pocos indicadores. También se le dice BI, por su sigla en inglés. La palabra que importa no es «datos» ni «tablero». Es «decidir».
Luhn ya lo había puesto en esos términos. Tomó del diccionario Webster una definición de inteligencia que la hace depender de la acción: «la capacidad de captar las interrelaciones de los hechos presentados de tal manera que orienten la acción hacia una meta deseada» [1]. Y aclaró que por «negocio» entendía cualquier actividad organizada: ciencia, comercio, industria, derecho o gobierno [1].
La literatura académica posterior conserva ese centro. Solomon Negash, en un artículo de 2004 para la revista de la Asociación de Sistemas de Información, resume el objetivo de estos sistemas así: «mejorar la oportunidad y la calidad de los insumos del proceso de decisión» [2]. Barbara Wixom y Hugh Watson llaman a la inteligencia de negocios un término paraguas. Según su resumen, se usa comúnmente para describir las tecnologías, aplicaciones y procesos para reunir, guardar, consultar y analizar datos, con el fin de ayudar a decidir mejor [3].
Dentro de la visualización de datos, la inteligencia de negocios ocupa un lugar particular. El gráfico suelto responde una pregunta una vez. El BI responde las mismas preguntas cada semana, para la misma gente, con datos que se renuevan.
¿De dónde viene el término inteligencia de negocios?
El artículo de Luhn de 1958 ya usaba la expresión en su título y en su texto, como nombre del sistema que proponía [1]. El sentido de entonces era más amplio que el de hoy. Luhn pensaba en documentos de todo tipo: cartas, informes, artículos y libros [1].
Su sistema resumía y clasificaba esos textos con máquinas de procesamiento de datos, y los repartía según un perfil de intereses de cada punto de acción [1]. Las definiciones académicas de este siglo ponen el acento en otra materia prima: los datos de la operación diaria, combinados con herramientas de análisis [2][3]. Lo que se mantuvo fue el destinatario: quien decide.
¿Cómo funciona la inteligencia de negocios, vista desde quien la usa?
La inteligencia de negocios funciona como una cadena de cinco eslabones: la fuente del dato, la integración, el modelo, el tablero y la decisión. Contada desde la ingeniería, va de izquierda a derecha: del dato a la pantalla. Para entender para qué sirve, conviene leerla al revés: desde la persona que decide.
Una analogía cotidiana ayuda. Piense en el boletín de calificaciones de un colegio. Las notas nacen en las planillas de cada profesor; esa es la fuente. Alguien las reúne en un solo registro; eso es la integración. Las reglas del colegio dicen cómo se promedian y qué nota significa «perdió»; eso es el modelo. El boletín impreso es el tablero. Y la decisión la toma una madre que, al leerlo, busca refuerzo en matemáticas.
Si el boletín llega tarde, o trae un promedio calculado con otra regla, la madre decide mal o no decide. El colegio pudo hacer todo lo demás bien y fallar en lo único que importaba.
| Eslabón | Quién lo usa | La pregunta que se hace | Qué pasa si falla |
|---|---|---|---|
| Fuente | Quien registra la venta, el pago o la nota | ¿Lo anoté bien? | El error viaja por toda la cadena |
| Integración | El equipo de datos | ¿Llegó todo, a tiempo y en el formato pactado? | El tablero muestra datos viejos o incompletos |
| Modelo | El analista y el área dueña del indicador | ¿Este indicador se calcula igual para todos? | Dos informes dan cifras distintas para lo mismo |
| Tablero | El gerente, el coordinador, el funcionario | ¿Veo de un vistazo lo que tengo que vigilar? | Nadie lo abre, o lo abren y no entienden |
| Decisión | Quien tiene la autoridad para actuar | ¿Qué hago distinto con esto? | La cadena funciona y no cambia nada |
La tabla es una síntesis propia de la cadena. Dos de sus fallas tienen respaldo más adelante: los informes con cifras que no cuadran [4] y el contenido que nadie usa [6].
El tramo de integración tiene oficio propio. Mover los datos desde los sistemas de origen, limpiarlos y guardarlos listos para consultar le corresponde a la ingeniería de datos. A ese proceso se le llama ETL: extraer, transformar y cargar. Para quien consume el informe basta saber que existe, y a quién llamar cuando falla.
El modelo es el eslabón que menos se ve y el que más discusiones evita. Es el acuerdo sobre cómo se calcula cada cifra. Sin él, el tablero es solo un dibujo bonito de números en los que nadie confía.
BI tradicional vs BI de autoservicio: ¿qué cambia y qué se arriesga?
La diferencia entre el BI tradicional y el de autoservicio está en quién construye los informes. En el tradicional, un equipo central de tecnología de la información, o TI (el área de sistemas), los entrega terminados. En el autoservicio, el área de negocio explora los datos y arma sus propios informes. Entre los dos extremos hay un punto medio.
La documentación de Microsoft para planear la adopción de sus herramientas describe tres estrategias de propiedad del contenido: autoservicio dirigido por el negocio, autoservicio administrado y empresarial [4]. La guía es de un fabricante, pero las tres categorías describen la organización, no el programa.
| Estrategia | Quién es dueño de qué | Cuándo conviene, según la guía | Punto débil (lectura propia) |
|---|---|---|---|
| Empresarial (BI tradicional) | Un equipo central es dueño de los datos y de los informes [4] | Necesidades bien definidas que no piden explorar más allá del informe entregado; datos muy confidenciales o regulados [4] | Si los informes nuevos se piden más rápido de lo que el equipo central atiende, la guía apunta al autoservicio administrado [4] |
| Autoservicio administrado | Un equipo central administra los datos; las áreas de negocio hacen los informes y paneles [4] | Datos que muchos autores reutilizan entre distintas áreas [4] | Depende de un equipo central de expertos que sostenga la arquitectura de datos, condición que pone la guía [4] |
| Autoservicio dirigido por el negocio | Los creadores y expertos de cada área son dueños de todo [4] | La exploración y la libertad de innovar tienen prioridad alta [4] | Depende de que cada área tenga gente capaz de sostener sus informes y siga las reglas de gobierno de datos [4] |
La última columna es lectura propia: la guía no enumera riesgos, sino condiciones para elegir cada estrategia.
Microsoft llama al punto medio «disciplina en el núcleo y flexibilidad en el borde» [4]. Un solo equipo cuida los datos con rigor. Las áreas de negocio arman encima lo que necesitan.
El riesgo del autoservicio sin estrategia tiene nombre conocido: varias versiones de la verdad. La misma documentación describe así el nivel inicial de madurez: «Las discrepancias entre distintos informes son habituales, lo que provoca desconfianza en los contenidos elaborados por otros» [4]. Una señal concreta, según la guía, es tener muchos modelos de datos que alimentan cada uno un solo informe [4].
La guía también separa el autoservicio de lo que llama TI en la sombra, es decir, sistemas que un área monta a escondidas del área de tecnología. En los dos casos el negocio crea sus informes. La diferencia es que el autoservicio está autorizado y sigue las reglas de gobierno de datos; la TI en la sombra las esquiva [4].
¿Quién es dueño de qué en un entorno de inteligencia de negocios?
En un entorno de inteligencia de negocios, cada eslabón de la cadena necesita un responsable con nombre propio. El negocio responde por el significado de cada indicador. El analista responde por el informe. La ingeniería responde por que los datos lleguen. El gobierno de datos responde por las reglas de calidad y de acceso.
La documentación de Microsoft propone cuatro roles conceptuales y advierte que estos roles «se pueden malinterpretar fácilmente» [4]. La tabla los ordena según el eslabón que cuida cada uno. La correspondencia con negocio, analista, ingeniería y gobierno es mía.
| Rol en la guía de Microsoft [4] | De qué responde | Quién suele ocuparlo |
|---|---|---|
| Propietario del dominio | Las decisiones de más alto nivel sobre los datos de su área, incluidos sus usos adecuados e inadecuados | El directivo del área de negocio |
| Experto en la materia | Qué significan los datos, para qué se usan, quién puede verlos y cómo se presentan | El analista que conoce el negocio |
| Propietario técnico | Crear, mantener, publicar y proteger el acceso a los datos y a los informes | El equipo de ingeniería o de tecnología |
| Administrador de datos | Los niveles aceptables de calidad y los datos maestros, como el registro único de clientes o productos | La función de gobierno de datos |
La guía hace una observación que vale para cualquier organización. Asignar dueño es más sencillo en los sistemas que registran operaciones. En el BI se vuelve más complejo, porque un mismo informe mezcla datos de varias áreas y los transforma [4]. Por eso la recomendación práctica es que cada informe diga quién lo hizo y a quién preguntar [4].
Cómo se escriben y se hacen cumplir esas reglas es asunto del gobierno de datos. Y el oficio de quien construye los informes, con lo que estudia, se cuenta en las rutas para aprender ciencia de datos.
BI vs analítica de datos: ¿en qué se diferencian?
La inteligencia de negocios y la analítica de datos se traslapan, pero no son lo mismo. El BI se ocupa del consumo recurrente: las mismas preguntas, contestadas cada semana para las mismas personas. La analítica abarca un rango más amplio de preguntas, desde lo que pasó hasta lo que conviene hacer.
En Colombia, la política nacional de explotación de datos lo dice con claridad. Es el CONPES 3920 de 2018, un documento del Consejo Nacional de Política Económica y Social, que aprueba los grandes planes del Gobierno [9]. Allí, la etapa de explotación se define como la generación de productos de información útiles para la toma de decisiones. Según el objetivo, la analítica «puede ser descriptiva, diagnóstica, predictiva o prescriptiva» [9].
Un módulo de formación de Microsoft explica esos tipos con un mismo caso de ventas, y les suma un quinto, el cognitivo, que usa inteligencia artificial [8]. La tabla resume las cuatro preguntas clásicas.
| Tipo de analítica | Pregunta que responde [8][9] | Qué produce en el ejemplo de Microsoft [8] |
|---|---|---|
| Descriptiva | ¿Qué pasó? | Un panel con las ventas por canal y por producto |
| Diagnóstica | ¿Por qué pasó? | Los factores que más pesan en que una venta se cierre |
| Predictiva | ¿Qué es probable que pase? | Un pronóstico de ingresos a partir de los patrones históricos |
| Prescriptiva | ¿Qué conviene hacer? | La comparación de varios precios posibles y su efecto en la utilidad |
En ese ejemplo, la primera respuesta es justamente un panel: el producto típico del BI [8]. Las otras tres piden ir más lejos que el informe recurrente. Cómo se hace ese trabajo de examinar datos con método es el tema del análisis de datos.
La frontera, entonces, no es de tecnología. Es de ritmo y de público. Si la pregunta vuelve cada lunes, es BI. Si es nueva y pide investigar, es analítica.
¿Cómo se mide si el BI sirvió de algo?
Un sistema de inteligencia de negocios se mide por lo que cambió en las decisiones, no por cuántos informes publicó. Cuatro criterios ayudan a saberlo: la adopción real, las decisiones que se tomaron distinto, el tiempo que tarda el dato en llegar y el costo de los informes que nadie abre.
La advertencia más útil viene, curiosamente, de un fabricante de herramientas: «Las estadísticas de uso por sí solas no representan la adopción correcta del usuario» [5]. Que alguien abra un tablero no prueba que lo entienda ni que lo use para decidir.
| Criterio | Qué se pregunta | De dónde sale |
|---|---|---|
| Adopción | ¿La gente usa los informes de forma activa y eficaz, o solo entra a mirar? | Microsoft distingue la adopción del usuario, la de cada solución y la de la organización [5] |
| Decisiones que cambió | ¿Alguien hizo algo distinto por lo que vio en el informe? | En la fase más alta de adopción, la solución se considera esencial para decidir [5]; la definición académica pone la decisión en el centro [2][3] |
| Tiempo al dato | ¿Cuánto tarda el dato desde que ocurre hasta que llega a quien decide? | Negash reúne en un mismo objetivo la oportunidad y la calidad de los insumos de la decisión [2] |
| Costo de lo que nadie abre | ¿Cuántos informes se mantienen sin que nadie los consulte? | Microsoft recomienda buscar y retirar el contenido sin uso [6][7] |
El segundo criterio es el más difícil de medir y el que más importa. No sale de ningún registro automático. Sale de preguntarle a quien decide qué hizo con el informe la última vez.
El cuarto es el más fácil de calcular y el que más se ignora. Microsoft sugiere clasificar el contenido según su uso; en su propuesta, «sin usar» es el que no registra actividad en los últimos nueve meses [6]. Retirarlo, dice su guía, evita gastar recursos en contenido innecesario y reduce la confusión sobre qué informe consultar [7]. Es el mismo problema que Luhn describió en papel: demasiado material para el destinatario.
Lo que el BI le debe todavía a Luhn
Mi postura, y la presento como tal: un proyecto de inteligencia de negocios debe diseñarse desde la decisión hacia los datos, y no al revés. Luhn empezaba por el perfil de cada punto de acción, por lo que esa persona necesitaba saber [1]. Empezar por la herramienta invierte ese orden.
Una herramienta, por buena que sea, no responde esa pregunta. Power BI, por ejemplo, hace bien su trabajo de conectar, modelar y publicar. Pero ningún programa decide qué informe sobra.
Esa diferencia pesa más donde los recursos escasean. En una alcaldía pequeña o en una pequeña empresa de Bucaramanga, cada informe que nadie abre cuesta horas de alguien que podría estar haciendo otra cosa. Antes de pedir un tablero nuevo, vale la pena una pregunta incómoda: ¿qué decisión va a cambiar, y quién la va a tomar?
Preguntas frecuentes
¿Business intelligence y Power BI son lo mismo? No. Una es una manera de trabajar con la información; la otra, un producto. La expresión inteligencia de negocios ya aparecía en 1958, mucho antes de cualquier programa actual [1]. Power BI es una de las herramientas de Microsoft para hacerlo. Se puede practicar BI con una hoja de cálculo bien mantenida, y se puede tener Power BI instalado sin practicar BI.
¿Qué diferencia hay entre business intelligence y big data? El big data se define por el tamaño y la velocidad de los datos. La inteligencia de negocios se define por su uso: que alguien decida con la información. Un tablero puede alimentarse de una tabla pequeña y ser muy útil, o de miles de millones de registros y no servir a nadie.
¿Qué hace un analista de BI? Construye y mantiene los informes recurrentes, y traduce las preguntas del negocio en indicadores con una definición única. En la tabla de roles de esta página suele ocupar el lugar del experto en la materia. Su formación y su ruta de aprendizaje se describen en la guía de rutas.
¿Una empresa pequeña necesita inteligencia de negocios? Necesita la práctica, no necesariamente una plataforma. Si cada mes alguien rehace a mano el mismo informe de ventas o de cartera, ya existe una necesidad de BI. Lo que conviene preguntarse antes de invertir es qué decisión depende de ese informe y cada cuánto se toma.
¿Qué es el BI de autoservicio? Es la estrategia en la que las áreas de negocio arman sus propios informes, en lugar de pedírselos al área de sistemas. Funciona mejor cuando un equipo central cuida los datos compartidos. Sin esa base, cada área calcula los indicadores a su manera y las cifras dejan de cuadrar entre reuniones.
Referencias
Las citas en otro idioma son traducción propia.
- Luhn, H. P. A Business Intelligence System. IBM Journal of Research and Development, 2(4), 314-319, octubre de 1958 (recibido el 1 de julio de 1958) — uso de la expresión en el título y en el texto; cita «Since this method tends to swamp the recipients with paper, the probability of not communicating at all becomes great»; la dificultad de hallar la persona o sección cuyos intereses coinciden con una situación «often results in improper decisions, wrong actions, inaction, or duplication»; los «action points» como individuos, grupos, departamentos, divisiones o unidades mayores; la noción de inteligencia tomada del Webster’s New Collegiate Dictionary: «the ability to apprehend the interrelationships of presented facts in such a way as to guide action towards a desired goal»; «business» en sentido amplio (ciencia, tecnología, comercio, industria, derecho, gobierno, defensa); documentos como cartas, informes, artículos o libros; resumen automático y perfiles de interés con máquinas de procesamiento de datos. Texto leído completo en el PDF que aloja IBM. DOI: 10.1147/rd.24.0314 · IBM: PDF del artículo de Luhn — Consultada: 2026-11-09.
- Negash, S. Business Intelligence. Communications of the Association for Information Systems, 13, artículo 15, 2004 — resumen del artículo: los sistemas de BI combinan datos operativos con herramientas analíticas para presentar información a planificadores y tomadores de decisiones; cita «The objective is to improve the timeliness and quality of inputs to the decision process». Se leyó el resumen publicado en la biblioteca de la AIS; el texto completo no se pudo descargar. AIS eLibrary: Negash, Business Intelligence · DOI: 10.17705/1CAIS.01315 — Consultada: 2026-11-09.
- Wixom, B. y Watson, H. The BI-Based Organization. International Journal of Business Intelligence Research, 1(1), 13-28, 2010 — resumen del artículo: la inteligencia de negocios es un término paraguas que se usa comúnmente para describir las tecnologías, aplicaciones y procesos para reunir, guardar, consultar y analizar datos con el fin de ayudar a los usuarios a tomar mejores decisiones. Se leyó el resumen depositado por la editorial en Crossref. DOI: 10.4018/jbir.2010071702 — Consultada: 2026-11-09.
- Microsoft. Hoja de ruta de adopción de Microsoft Fabric: propiedad y administración del contenido, Microsoft Learn (actualizada el 30 de diciembre de 2024) — tres estrategias: autoservicio dirigido por la empresa, autoservicio administrado y empresarial; «disciplina en el núcleo y flexibilidad en el borde»; cuándo conviene cada una, incluido el ritmo de demanda que el equipo central no alcanza a atender; diferencia entre autoservicio y TI en la sombra; tabla de roles (administrador de datos, experto en la materia, propietario técnico, propietario del dominio) que «se pueden malinterpretar fácilmente»; la propiedad se vuelve más compleja en las soluciones de BI que integran datos de varios dominios; identificar en cada informe quién lo elaboró; nivel de madurez 100: alta proporción de modelos semánticos por informe y la cita «Las discrepancias entre distintos informes son habituales, lo que provoca desconfianza en los contenidos elaborados por otros». Microsoft Learn: propiedad y administración del contenido — Consultada: 2026-11-09.
- Microsoft. Hoja de ruta de adopción de Microsoft Fabric: niveles de madurez, Microsoft Learn (actualizada el 30 de diciembre de 2024) — tres tipos de adopción: de la organización, del usuario y de la solución; cita «Las estadísticas de uso por sí solas no representan la adopción correcta del usuario»; la adopción del usuario mide si se usan las herramientas de forma activa y eficaz; cuatro fases de adopción de la solución, la cuarta descrita como solución que se usa de forma activa y rutinaria y se considera esencial para la toma de decisiones. Microsoft Learn: niveles de madurez de la adopción — Consultada: 2026-11-09.
- Microsoft. Planeamiento de la implementación de Power BI: auditoría de nivel de inquilino, Microsoft Learn (actualizada el 4 de febrero de 2026) — encontrar informes y modelos que no se usan o se usan poco cruzando el inventario con el registro de actividad; clasificaciones sugeridas por uso, entre ellas «contenido sin usar: no hay actividad registrada en los últimos nueve meses». Microsoft Learn: auditoría de nivel de inquilino — Consultada: 2026-11-09.
- Microsoft. Planeamiento de la implementación de Power BI: retirar y archivar contenido, Microsoft Learn (actualizada el 30 de diciembre de 2024) — retirar el contenido que cumplió su propósito garantiza que no se desperdicien recursos en contenido innecesario; eliminar elementos sin usar reduce la confusión de los consumidores sobre qué contenido usar. Microsoft Learn: retirar y archivar contenido — Consultada: 2026-11-09.
- Microsoft. Tipos de análisis de datos, módulo de formación de Microsoft Learn (actualizado el 8 de julio de 2026) — análisis descriptivo (qué ocurrió), de diagnóstico (por qué), predictivo (qué es probable que suceda), prescriptivo (qué hacer) y cognitivo (con inteligencia artificial); en el caso de ejemplo, el descriptivo es un panel de ventas por canal y producto, el diagnóstico identifica los factores de cierre de las ventas, el predictivo agrega una previsión de ingresos y el prescriptivo compara escenarios de precio y beneficio; «cuatro tipos tradicionales». Microsoft Learn: tipos de análisis de datos — Consultada: 2026-11-09.
- Departamento Nacional de Planeación, Ministerio de Tecnologías de la Información y las Comunicaciones y Superintendencia de Industria y Comercio. Documento CONPES 3920: Política nacional de explotación de datos (big data), versión aprobada, Bogotá, 17 de abril de 2018 — la etapa de explotación inicia la materialización del valor de los datos mediante la generación de productos de información útiles para la toma de decisiones; «la analítica puede ser descriptiva, diagnóstica, predictiva o prescriptiva». Texto extraído del PDF con pdftotext. DNP: CONPES 3920 (PDF) — Consultada: 2026-11-09.
Cómo investigamos esta página
- Pregunta que responde: Qué es la inteligencia de negocios, cómo llega el dato a quien decide, quién es dueño de qué y cómo se mide si sirvió.
- Fuentes: identificadas 18 → incluidas 9
- Criterios de inclusión: artículos con DOI, documentación oficial de Microsoft como marco organizativo y el CONPES 3920; sin informes de industria, blogs ni enciclopedias.
- Fecha de corte de los datos: 2026-11-09