La inteligencia artificial o de negocio es un conjunto de aplicaciones y de información estructurada que dan soporte a la decisión del negocio. Permiten a determinadas personas de la organización acceder a determinados datos y analizarlos. El acceso a esta información es desigual entre perfiles y entre áreas. En definitiva se puede hablar de datos verticales y horizontales según el perfil y área que accede a los datos. Las aplicaciones que dan soporte al negocio se dividen historicamente en aplicaciones de carácter analítico y de carácter informativo.
Aplicaciones de reporting en la inteligencia artificial o de negocio
Estas aplicaciones informativas son aplicaciones destinadas al «puro» reporting y según su planificacion se pueden tratar de consultas predefinidas ( enterprise reporting) y consultas ad hoc (son consultas que se realizan con el devenir del negocio y que dada la rigidez de los sistemas pueden no dar rendimientos óptimos.
El enterprise reporting ha ido variando mucho en los ultimos 25 años y en la actualidad se ha generalizado dos informes sobre el resto. Los cuadros de mando (Scorecards), y los dashboards o paneles de control (entre ellos hasta inicios de esta decada se hablaba de los cuadros de mandos estratégicos o balances scorecard (algunas metodologias han variado sustancialmente el contenido de estos cuadros de mandos estratégicos utilizando la forma de un «canvas».
Aplicaciones analíticas en la inteligencia artificial o de negocio
Estas también pueden ser de tres tipos: hojas de calculo, aplicaciones de data mining (minería de datos) y OLAP.- Tradicionalmente estas aplicaciones han estado residente en hojas de cálculo por , la simplicidad de extracción y tratamiento de datos y el uso de las conexiones ODBC.- En los últimos 10 años la aparicion de tecnologías online como OLAP (online analytical processing) ha permitido la creación de una nueva dimension de infomes, la mejora en la transformación de la informacion de negocio, etc.La aparición de la tecnología OLAP ha permitido:
a) La implementacion de modelos multidimensionales.
b) la facilidad de agregación de datos.
c) el desarrollo y seguimiento de tendencias y patrones, y
d) la implementacion de funciones drill-down- Las aplicaciones de data mining ha permitido tratar grandes cantidades de datos, han permitido modelizar datos que se creían inconexos y por supuesto encontrar patrones de relación y comportamiento de ellos.