-
Period: to
Los Primeros Pasos del BI
-
IBM crea los primeros discos duros
IBM desarrolló las unidades de disco duro, que se popularizaron entre usuarios y empresas con la llegada de los PCs. -
Hans Peter Luhn define el término "Business Intelligence"
Hans Peter Luhn define en su artículo "A Business Intelligence System" la inteligencia empresarial como "la capacidad de comprender las relaciones entre hechos presentados de manera que orienten las acciones hacia un objetivo deseado". -
Se desarrolla el "Intrusion Detection System"
Charles Bachman, de Conference on Data Systems Languages (CODASYL), desarrolló el Intrusion Detection System (IDS), que introdujo el modelo de bases de datos en red y estableció un estándar mediante nuevos lenguajes de información. -
Decision Support System
Surgió un nuevo tipo de sistema de información: los DSS basados en modelos o sistemas de apoyo a la toma de decisiones gerenciales. -
Surgimiento del primer lenguaje de programación multidimensional
El canadiense Kenneth Iverson avanzó en el futuro del BI al crear el primer lenguaje de programación multidimensional, conocido como OLAP. -
Nacimiento del término "Base de Datos"
El término “base de datos” se escucha por primera en un simposio en California. Se le definió como “un conjunto de “información” relacionada que se encuentra agrupada o estructurada”. -
El IBM S/360
Aparece la primera computadora mainframe, utilizada por grandes empresas para procesar grandes volúmenes de datos. -
Primer experimento en MDS
Scott Morton realizó un experimento en el que los gerentes usaron efectivamente un Sistema de Decisión de Gestión (MDS). -
Ferguson y Jones
Se creó el concepto de base de datos y se analizó un sistema de decisión asistido por computadora en la revista Management Science. -
Se desarrollan las aplicaciones de negocios
La empresa Systemanalyse Programmentwicklung (SAP) creó aplicaciones empresariales que simplificaban la entrada de datos en bases de datos. -
Period: to
Desarrollo de Sistemas de Soporte a la Decisión (DSS)
-
Modelo Relacional
El científico informático británico Edgar Frank Codd, famoso por sus contribuciones a la teoría de bases de datos relacionales, definió el modelo relacional y publicó una serie de reglas para sistemas de datos relacionales en su artículo "Un modelo relacional de datos para grandes bancos de datos compartidos". -
Se crea el "Structured Query Language"
Los laboratorios de IBM desarrollaron el lenguaje SEQUEL (Structured English Query Language), que posteriormente fue ampliamente adoptado por el sistema de gestión de bases de datos experimental System R. -
Aparece "JD Edwards"
Se crea la empresa de software "JD Edwards", fundada en Denver por Jack Thompson, Dan Gregory y Ed McVaney. Alcanzó el éxito desarrollando un programa de contabilidad para los miniordenadores Sistema/34 y Sistema/36 de IBM. -
Se crea el "Relational Software System"
Lawrence J. Ellison desarrolló el Relational Software System, que hoy en día se conoce como Oracle Corporation, creando así un sistema de gestión de bases de datos relacional. -
Las bases de datos comienzan a evolucionar
Las bases de datos evolucionan, permitiendo almacenar diversos datos de diferentes fuentes en una única base de datos. -
Nacimiento de "Microsoft Excel"
Nace en el mercado, la herramienta más popular y utilizada, Microsoft Excel. -
Se funda "PeopleSoft, Inc."
Nace "PeopleSoft, Inc.", fundada por Dave Duffield y Ken Morris en California. Encargada de suministrar software de Planificación de Recursos Empresariales
(ERP). -
El término "Business Intelligence"
Howard Dresner dió a conocer el término "Business Intelligence" como "Los conceptos y métodos para mejorar la toma de decisiones empresariales mediante el uso de sistemas basados en datos". -
Comercialización de herramientas de Business intelligence.
Comienzan a desarrollarse y comercializarse más herramientas de inteligencia de negocios, ya que algunas empresas pioneras reconocen el potencial de estas soluciones y comienzan a implementarlas. -
Period: to
Nacimiento Formal del BI
-
Building the Data Warehouse
Bill Inmon publica "Building the Data Warehouse", libro considerado una fuente clave para la tecnología de almacenes de datos. -
Creación de "Siebel Systems"
Thomas Siebel y Patricia House crean "Siebel Systems", conocida por convertirse convertirse en el principal proveedor de software CRM del mercado. -
The Data Warehouse Toolkit
Ralph Kimball publicó "The Data Warehouse Toolkit", adoptando un enfoque "ascendente" para el data warehousing, en el que se integran depósitos de datos individuales para construir un almacén de datos. -
Period: to
Expansión del BI y la Minería de Datos
-
Big Data
Surge el concepto de "Big Data", impulsado por el crecimiento exponencial de los datos generados por internet y las tecnologías móviles. -
Generación de información
Por primera vez en la historia, se generó más información en un año que en los cinco mil años anteriores, desde la invención de la escritura. -
Data Scientist
El término "Data Scientist" se populariza, reconociendo la necesidad de expertos en el manejo y análisis de grandes volúmenes de datos. -
Social Business Intelligence
Se da a conocer el término "Social Business Intelligence" (Social BI), donde se define como la toma de decisiones desde las conversaciones sociales. -
Machine Learning
Las plataformas de BI en la nube comienzan a reemplazar las soluciones locales. Se integra el aprendizaje automático (Machine Learning) para análisis predictivos más avanzados. -
Period: to
BI en la Nube y Machine Learning
-
Dachis Group
Introdujo el Índice de Negocios Sociales para ofrecer información sobre cómo son las empresas "sociales" y cómo se comparan con otras en sus industrias y competidores, proporcionando puntos de referencia de "negocios sociales". -
Data Democratization
Las empresas comienzan a adoptar la "Data Democratization", permitiendo que los empleados no técnicos utilicen herramientas de BI para tomar decisiones basadas en datos. -
Aparición de la IA con herramientas BI
La inteligencia artificial (IA) comienza a integrarse con herramientas de BI, permitiendo análisis prescriptivos y automatizados. -
Natural Language Processing
El BI basado en IA avanza con la incorporación de capacidades como el procesamiento del lenguaje natural (NLP) y la analítica aumentada. -
Period: to
BI Avanzado y Automatización de Decisiones
-
Period: to
La 5ta Revolución Industrial y la Evolución de BI
La Quinta Revolución Industrial, también conocida como Industria 5.0, es un concepto emergente que se ha discutido principalmente desde 2020 en adelante. A diferencia de la Cuarta Revolución Industrial (Industria 4.0), que se centró en la automatización, digitalización y el uso de tecnologías como la inteligencia artificial, el Internet de las cosas y el Big Data, la Quinta Revolución Industrial pone un énfasis en la colaboración entre humanos y máquinas. -
Decision Intelligence
Aumento del uso de "Decision Intelligence" para integrar BI con la automatización de procesos empresariales y la toma de decisiones en tiempo real. -
Se incorporan los asistentes virtuales en BI
Herramientas de BI empiezan a incluir asistentes virtuales impulsados por IA, que permiten a los usuarios interactuar con datos mediante comandos de voz. -
Evolución de Business Intelligence
Se espera que el BI evolucione hacia un enfoque más proactivo y predictivo, con sistemas que no solo reportan o analizan, sino que también sugieren decisiones estratégicas automatizadas. -
La 5ta Revolución Industrial
Se espera que a partir de 2025 sea el inicio de la 5ta Revolución Industrial, donde la colaboración entre humanos y máquinas inteligentes se convierta en la norma de las empresas. La Inteligencia Artificial y la Robótica colaboren para generar un nuevo enfoque de trabajo y toma de decisiones. -
Tecnologías Emergentes
Se espera que los sistemas de BI se integren completamente con tecnologías emergentes como la computación cuántica, aumentando exponencialmente la velocidad y la precisión de los análisis. -
Business Cognition
Se espera que la Inteligencia de Negocios se convierta en "Business Cognition", donde las herramientas de análisis no solo entienden los datos, sino que también comprendan el contexto humano y emocional detrás de las decisiones de negocios.