Caso de éxito: bases de conocimiento para The Wise Seeker

The Wise Seeker

Hoy vamos a hablar de un proyecto algo diferente a lo que es nuestro porfolio central, un proyecto que podemos considerar ya un nuevo caso de éxito.

Se trata de la colaboración que estamos manteniendo con The Wise Seeker desde hace ya algunos meses para poblar de contenido la base de conocimiento que se encuentra en el corazón de su sistema de validación de talento.

Pero ¿qué clase de empresa es The Wise Seeker?

El servicio principal de The Wise Seeker es lo que denominan una plataforma de validación de talento. Se trata de una plataforma digital para el uso por parte de los departamentos de Recursos Humanos y Gestión del Talento, en una doble vertiente:

  • Identificar el talento interno
  • Potenciar la selección de talento externo, haciendo todo el proceso mucho más efectivo y eficiente.

La plataforma de The Wise Seeker valora el talento en una tripe dimensión:

  • Personalidad
  • Habilidades
  • Conocimiento

Para conseguir estos objetivos, la plataforma The Wise Seeker incorpora tecnología avanzada de machine learning y conceptos de gamificación, Dos elementos diferenciales de la solución de The Wise Seeker son, por un lado, la evaluación de ‘hard skills‘ en contextos prácticos de diferentes roles y profesiones y, por otro, la gamificación que permite llevar el proceso de evaluación a un plano situacional, donde el avatar de cada candidato toma decisiones dejando así rastro de la personalidad.

Para conseguir sus objetivos, The Wise Seeker incorpora un equipo multidisciplinar donde se integran ingenieros / desarrolladores, psicólogos y especialistas en usabilidad y diseño gráfico.

La colaboración de Reingeniería Digital con The Wise Seeker se centra en proporcionar bases de conocimiento en las áreas técnicas y de metodología, unas bases de conocimiento que se incorporan a la plataforma de cara a la valoración de ‘hard skills’ de los candidatos en esas áreas. En concreto y hasta la fecha, Reingeniería Digital ha suministrado ya las bases de conocimiento de:

  • Cloud Computing
  • Bases de datos relacionales y NoSQL
  • Ingeniería Software – Modelo Waterfall

Y en breve, aportaremos dos nuevas bases de conocimiento en:

  • ITIL
  • Robotización de Procesos

Para Reingeniería Digital es un placer y un orgullo aportar su conocimiento y experiencia en tecnología y procesos para apoyar el despegue de una startup tan innovadora y con tanto futuro como es The Wise Seeker.

 

Caso de éxito: Colaborando con Ricopia Technologies en robotización de procesos

Robotización en Ricopia Technologies

Reingeniería Digital ha venido colaborando con Ricopia Technologies en la potenciación de su línea de negocio de consultoría en robotización de procesos, en un trabajo que se inició el pasado Marzo y que ha culminado, cuatro meses después, en Julio de este mismo año.

 

Ricopia Technologies es una empresa radicada en Alcalá de Henares, fundada en 1987 y que actualmente cuenta en su plantilla con más de 150 profesionales. Ricopia Technologies tiene como objetivo «poner a disposición de la pequeña y mediana empresa la tecnología más innovadora y potente de nuestros días para digitalizar el espacio de trabajo«.

 

Sede de Ricopia
Imagen de la sede de Ricopia en Alcalá de Henares

Ricopia Technologies es un referente en gestión de impresoras multifunción y en gestión documental pero más allá de eso, se trata de una empresa innovadora que ofrece también soluciones tan modernas y avanzadas como firma biométrica, BPM o Business Intelligence.

 

En esa línea de innovación, Ricopia Technologies ofrece servicios de Automatización Robótica de Procesos (RPA), una línea impulsada directamente desde la Presidencia de la compañía, en la persona de Leandro Bermejo, y por la dirección de Servicios Tecnológicos liderada por Celia Asensio.

 

La colaboración de Reingeniería Digital se ha centrado precisamente, en ayudar a potenciar las capacidades de consultoría en materia de robotización de procesos y para ello, se ha trabajado en tres ejes:

  • Diagnóstico de las capacidades actuales en materia tanto de gestión, como de comercialización y análisis.
  • Formación en capacidades de las soluciones de RPA, análisis de procesos de negocio, técnicas de business analysis para RPA y en gestión de proyectos de consultoría de robotización.
  • Definición de una metodología de consultoría de robotización.

 

Una de las primeras sesiones de trabajo
Una de las primeras sesiones de trabajo

Los resultados no se están haciendo esperar y Ricopia ya trabaja con varios clientes en propuestas de robotización.

 

Para Reingeniería Digital es una satisfacción trabajar con empresas tan innovadoras como Ricopia Technologies y así dar cumplimiento a nuestra misión de “ayudar a empresas y sus directivos a aplicar la tecnología digital para optimizar procesos y modelos de negocio”.

 

Tecnología para la digitalización de procesos (XIII): Business Activity Monitoring (BAM)

Business Activity Monitoring

Continuamos con nuestra revisión de tecnologías usadas en digitalización de procesos de negocio y continuamos con el camino iniciado en el post anterior dedicado a Business Intelligence en que, más que tecnologías orientadas a la implementación y automatización de procesos, miramos a las que nos permiten conocer, analizar y decidir sobre esos procesos. Hoy, en concreto, hablamos de Business Activity Monitoring (BAM).

 

¿Qué es el Business Activity Monitoring?

 

El término Business Activity Monitoring fue acuñado por Gartner y se refiere a la monitorización en tiempo real de indicadores y parámetros de negocio.

 

Es muy importante, y diferencial, lo del funcionamiento en tiempo real ya que en muchos sentidos eso es lo que diferencia al Business Activity Monitoring del Business Intelligence que veíamos en el artículo anterior.

 

De hecho, en ambos casos, BAM y Business Intelligence, tenemos una herramienta que recopila datos de otros sistemas, digamos BPMS (‘Business Process Management Systems’) o Sistemas de Gestión empresarial (ERP/CRM), los une, procesa y muestra como conjunto de indicadores y gráficos en un cuadro de control digital (‘dashboard‘) más o menos navegable mediante ‘drill-down’ y otros mecanismos.

 

Sin embargo, tradicionalmente, el Business Intelligence, dada la voluminosa carga de datos que tiene que realizar, trabaja con un cierto decalaje, con frecuencia con datos del día anterior. Sin embargo, el objetivo de BAM es trabajar en tiempo real.

 

¿Cómo se consigue?

 

Funcionamiento de BAM

 

Muchas soluciones BAM están ligadas a soluciones BPMS. Lo que hacen es, de alguna manera, introducir una suerte de sondas en el proceso, es decir, puntos en que cuando se pasa por ellos se genera un mensaje que es recibido por la herramienta BAM. A partide  ahí la herramienta BAM trabaja de forma parecida a un Business Intelligence: integra datos de diversas fuentes, los unifica y procesa y obtiene indicadores, gráficos e informes.

 

Esta forma de trabajar tiene alguna consecuencia. Por un lado, que para introducir esas sondas debe modificarse el flujo, lo cual hace que sea un mecanismo invasivo y que, además, la monitorización posterior deba tenerse en cuenta en el diseño e implementación del flujo.

 

Por otro lado, que en general trabaja con mucha menos información que el Business Intelligence. De alguna forma, ese es el precio a pagar por la disponibilidad de indicadores en tiempo real.

 

Esto que hemos comentado, y que es el funcionamiento tradicional de Business Activity Monitoring, puede hoy en día plantearse de otras formas. Se puede, por ejemplo, trabajar de forma desacoplada sobre logs generados por los sistemas, de forma que no sea necesario introducir esas sondas en el diseño, aunque siempre hay que asegurarse de que esos logs disponen de la información que se precisa.

 

Sobre todo, y más importante, con el avance en computación distribuida ligada a Big Data y con técnicas de Complex Event Processing (CEP) se puede cada vez conseguir mayor información en tiempo real o cuasi real y sin tener que modificar los flujos.

 

Acerca del futuro del BAM

 

Por todo lo anterior, el futuro del BAM como concepto, es decir la monitorización en tiempo real es muy grande, por no decir que casi, casi es una realidad, por lo menos a nivel de capacidad tecnológica (no tanto de implementación u adopción reales).

 

Eso si, la implementación parece lógico que tienda a alejarse del mecanismo de sondas del procesos y escasos datos que describíamos hace un momento, para centrarse en tecnologías más avanzadas capaces de manejar más datos de forma no invasiva y en tiempo real o cuasi real.

 

Conclusiones

 

BAM, Business Activity Monitorig es un tipo de soluciones que proporcionan información en tiempo real del negocio, fundamentalmente de la ejecución de sus procesos.

 

En su implementación, se ha partido de mecanismos invasivos y que manejan pocos datos pero se avanza hacia soluciones no invasivas y capaces de tratar más información.

 

Artículos anteriores relacionados

 

 

Imagen de cabecera: asawin en PxHere

Tecnología para la digitalización de procesos (XII). Business Intelligence

Business Intelligence

Puede parecer que el Business Intelligence no es exactamente una tecnología para digitalización de procesos. Y es cierto que no es una tecnología específica del mundo de los procesos y la automatización, y es cierto también que no entra en el núcleo de lo que son los procesos (la coordinación de actividades para conseguir un resultado de negocio) y la automatización completa o parcial de sus tareas.

 

Sin embargo, el Business Intelligence, como alguna otra tecnología que veremos en futuros artículos, permite conocer y analizar el estado y desempeño de los procesos y, en ese sentido, la consideramos una tecnología más que relevante en la digitalización de los procesos.

 

¿Qué es Business Intelligence?

 

El Business Intelligence lo podemos considerar como las tecnologías que permiten obtener informes, indicadores y análisis a partir de grandes cantidades de datos.

 

¿En qué se ha traducido eso históricamente desde un punto de vista tecnológico?

 

Casi cualquier sistema, y en concreto, cualquier sistema que automatice procesos, dispone de una base de datos, una base de datos que históricamente ha sido predominantemente de tipo relacional.

 

En teoría, podemos obtener informes e indicadores, simplemente, consultando vía SQL esa base de datos.  Esto, sin embargo, presenta dos tipos de problemas:

 

  • Prestaciones: ya que, el hacer informes implica consultas ‘pesadas’ que bloquean muchos registros de la base de datos y ralentizan, por tanto, otras inserciones y actualizaciones y, por ende, la ejecución de los procesos. Además, la estructura interna de una base de datos relacional no es la más adecuada para las necesidades de elaboración de gran parte de los informes habituales.
  • Usabilidad: ya que acceder a los datos mediante consultas SQL está al alcance de desarrolladores y algún usuario avanzado, pero no del público general.

 

Para atacar el problema de las prestaciones lo que se hace es algún tipo de réplica en una base de datos que es la que se utiliza realmente para la elaboración de informes y análisis en profundidad. En el caso más sencillo, es una réplica exacta del modelo relacional, y estaríamos hablando de un ODS (‘Operational Data Store‘).

 

Con frecuencia, además, la base de datos para informes transforma el modelo de datos a lo que se denomina un modelo dimensional que es el más apropiado para informes del tipo ‘Dame las ventas tanto por país, como producto y segmento de clientes‘ donde un mismo dato (que se llama ‘hecho‘), en nuestro caso las ventas, se mira desde múltiples perspectivas (que se llaman ‘dimensiones‘), en nuestro caso paises, productos y segmentos.

 

Este tipo de base de datos es la que se utiliza habitualmente en los denominados datamarts y datawarehouses.

 

El problema de la usabilidad se resuelve, habitualmente, mediante la creación de una capa intermedia de objetos con significado de negocio y herramientas que los manejan de una forma gráfica, semigráfica o, al menos, asistida. Ese nivel intermedio sería lo que, por ejemplo, en su momento se denominó ‘universos’ en la herramienta Business Objects.

 

Hoy en día existen también herramientas que resuelven de forma muy satisfactoria, tanto por la facilidad de uso como por la potencia gráfica, la visualización de datos con base en unos datos externos a los que se conectan o que importan de manera sencilla. Sería el caso de, por poner algún ejemplo, el PowerBI de Microsoft o Tableau.

 

¿Qué puede aportar Business Intelligence a la digitalización de procesos?

 

Business Intelligence aporta en la digitalización de procesos lo mismo que a cualquiera de sus otros ámbitos de aplicación: informes, indicadores, análisis…conocimiento, en definitiva.

 

Específicamente, en el mundo de los procesos podemos obtener indicadores típicos de proceso como tiempos medios de operación extremo a extremo, tiempos de cada actividad, ejecuciones de cada rama de proceso, número de casos por tipologías, etc,

 

Además, y para cada proceso concreto, se podrían obtener datos propios de aquella parte del negocio que estén gestionando. Así, por ejemplo, para un proceso de gestión de reclamaciones, podríamos hacer análisis del volumen de reclamaciones por región, segmento de cliente, causa raíz, etc o en la gestión de averías de equipos de cualquier tipo, podr´´iamos analizar los fabricantes o modelos con más averías.

 

Las posibilidades son inmensas y lo que aporta al negocio y a la gestión por un lado, y al propio entendimiento del proceso real y posibilidades de mejora, es enorme.

 

Por eso, sin ser Business Intelligence una disciplina específica de procesos, la consideramos como una herramienta más, y muy potente, para la digitalización de procesos.

 

La evolución del Business Intelligence

 

Aunque con los mismos objetivos y utilidad que las expresadas más arriba, desde el punto de vista tecnológico y de capacidades, el Business Intelligence ha evolucionado con los años.

 

Así, por ejemplo, y con la aparición del Big Data se incorporan con fuerza bases de datos no relacionales (como, por ejemplo, MongoDB o ElasticSearch), la capacidad de tratar con mayor facilidad datos semiestructurados y la viabilidad de tratar en tiempo real o cuasi real volúmenes de datos mucho mayores. De eso nos ocuparemos en otro artículo.

 

Igualmente, el análisis de datos específicos de los procesos a partir de ‘logs’ da lugar a una disciplina, con cada vez mayor fuerza: el Process Mining de la que también nos ocuparemos próximamente.

 

Otras tecnologías de monitorización, análisis y reporting

 

Aparte de Business Intelligence, existe alguna otra forma de gestionar desde un punto de vista tecnológico la información de procesos. Así, y como hemos visto en la sección anterior, tenemos el BigData o el Process Mining, a lo que podemos añadir, por ejemplo, la monitorización en tiempo real mediante BAM (‘Business Activity Monitoring‘).

 

Hay, por tanto, toda una serie de tecnologías complementarias que nos permiten, no tanto el automatizar o digitalizar el proceso en sí como monitorizarlo, analizarlo y conocerlo, especialmente desde el punto de vista de negocio y de su operación.

 

Conclusiones

 

Business Intelligence es una disciplina, ya con años de historia, que se utiliza para obtener indicadores, informes y análisis de datos.

 

No se trata de una tecnología específica para procesos pero puede aportar muchísimo en materia de seguimiento ejecutivo, monitorización así como conocimiento y análisis aunque no es la única tecnología en esta faceta.

 

Artículos anteriores relacionados

 

 

Tecnología para la digitalización de procesos (XI): Sistemas de Gestión de Reglas de Negocio (BRMS)

BRMS

En este ya largo paseo por las tecnologías utilizadas en digitalización de procesos, hoy nos detenemos en un tipo de soluciones que nos permiten gestionar de forma independiente y más flexible las llamadas reglas de negocio: los Sistemas de Gestión de Reglas de Negocio o Business Rules Management Systems (BRMS).

 

Se trata de soluciones con una ya larga historia pero que, en cierto modo, continúan siendo soluciones de nicho

 

Primero, lo primero: ¿Qué es una regla de negocio?

 

De forma sencilla, podemos decir que una regla de negocio es un criterio claro de decisión que, con base a una información o parámetros de entrada, adopta una decisión como salida.

 

Imaginemos, por ejemplo un call center virtual que, de cara a una atención 7×24, dispone de equipos de agentes en España, América e India, algunos de ellos capaces de hablar de forma fluida en Castellano, Catalán, Gallego, Euskera e Inglés y que, además, se encuentran agrupados por su conocimiento en distintos temas.

 

Si queremos estructurar a qué grupo de agentes pasar una llamada entrante deberemos saber el origen de la llamada para intentar deducir si proviene de España (y de qué región) y con ello seleccionar un agente con capacidad de hablar en el idioma adecuado. Además, nos importa la hora de llamada porque según sea ésta, se atenderá la llamada desde el equipo del país que se encuentre en horario laboral. Finalmente, es relevante el asunto (que el cliente elegiría de un menú corto en un IVR) para poder asignar un agente con los conocimientos técnicos adecuados.

 

Es decir, ante una llamada entrante tenemos tres parámetros; origen de la llamada, hora de la llamada y asunto a tratar. Y la decisión a tomar es, con base en esos parámetros, qué agente o grupo de agentes debería atender la llamada. Los criterios que marcan la decisión serían las reglas de negocio. Una de esas reglas nos diría que si la llamada se produce a entre las 9:00 y las 17:00 hora española, desde un número fijo de prefijo +034 983 y como asunto una reclamación de facturación, la llamada se pasaría al Call Center de España y, en concreto, al grupo de reclamaciones y, dentro de éste a uno de los agentes con dominio del Catalán.

 

Otros ejemplos de reglas de negocio nos podrían marcar, por ejemplo, los criterios para conceder un préstamo, la prioridad a asignar a una avería, la concesión de un día libre y así un larguísimo etcétera.

 

Este tipo de decisiones se encuentran de alguna forma empotradas en multitud de procesos de negocio, por lo que al automatizar o digitalizar esos procesos, debemos también automatizar este tipo de decisiones o aplicación de reglas de negocio.

 

¿Y qué es un BRMS?

 

Un BRMS (Business Rule Management System) no es más que un software dedicado, específicamente a la definición y ejecución de reglas de negocio.

 

Es decir, se trata de un software donde un usuario con los conocimientos y permisos adecuados, puede definir en detalle las reglas de negocio que aplican a una situación concreta (en nuestro ejemplo, todas las opciones posibles de asignación de llamadas entrantes) y, una vez definidas esas reglas, ese mismo software las ejecutará cada vez que se produzca la situación o evento (en nuestro caso la llamada entrante) que fuerza la decisión.

 

La lógica tras los BRMS

 

Las reglas de negocio siempre existen y cuando automatizamos, de una forma u otra, las tenemos que introducir en el software de automatización. Si no hacemos nada especial, esas reglas de negocio estarían escritas ‘a fuego‘ en el código que gestiona el proceso de que se trate (gestión de llamadas, concesión de préstamos, gestión de averías, etc).

 

Lo que aporta la existencia de BRMS como producto diferenciado es que esas reglas pasan a tener entidad propia y, sobre todo, a ser configurables y por personas de negocio (que son quienes tienen los conocimientos y la autoridad sobre esas reglas), no por los desarrolladores del software. Se independiza la gestión de las reglas del desarrollo software.

 

En cierto sentido, los BRMS son a las reglas de negocio, lo que los BPMS a los procesos de negocio.

 

¿Cómo funciona un BRMS?

 

Para entender cómo funciona un BRMS, acudimos a la figura de abajo, procedente de la documentaci´ón de OpenRules que, además, en la figura, lo pone en relación con un BPMS.

 

BRMS OpenRules

 

Vemos que tenemos, abajo en la parte central un repositorio de reglas (business rules repository) que no deja de ser una base de datos donde almacenamos las reglas definidas.

 

Existe una herramienta para la edición de reglas de negocio (rules authoring and maintenance). Una herramienta que es importante que sea lo más sencilla posible en su interfaz, que hable el lenguaje del negocio y que pueda ser usada cómodamente por responsables de negocio.

 

Además, existen otras herramientas de gestión, por ejemplo, para gestionar el ciclo de vida o aprobación de reglas.

 

Existe, además, el motor de reglas (rule engine) que es el que sabe interpretar el contenido del repositorio de reglas y, ante un evento que marca la necesidad de decidir, localizar y ejecutar la regla aplicable a ese caso concreto y proporcionar la decisión que aplique.

 

No es del todo evidente en la figura pero en general, los BRMS deben proporcionar capacidades de integración para ser invocados externamente, por ejemplo, por un BPMS usando servicios SOA.

 

¿Còmo funcionaría este típico escenario de integración BPMS y BRMS?

 

El BPMS ejecutaría normalmente el proceso que tiene definido. Cuando el proceso llegase a una actividad que implicase una decisión basada en reglas, invocaría, a través de los servicios de interacción SOA, al motor de ejecución de reglas pasándole el valor de los parámetros que aplican a esta decisión concreta. El motor de reglas, usando esos datos, buscaría en el repositorio de reglas cuál es la aplicable en este caso y, una vez localizada, la ejecutaría con los parámetros concretos del caso. Con ello obtendría una decisión que comunicaría, de nuevo a través de los servicios SOA, a la tarea del BPMS… y éste continuaría aplicando en el proceso la decisión que el BRMS le ha indicado.

 

Presentaciones de un BRMS

 

La idea de un BRMS la podemos encontrar en la práctica de diversas formas.

 

Puede ser, en primer lugar, un producto diferenciado, tanto comercial como de software libre y es cuando mejor hace honor al nombre BRMS (porque, realmente, sería un sistema con personalidad propia).

 

Sin embargo, es también frecuente que, más que tratarse de un producto diferenciado, constituya un módulo integrado en un BPMS, en una Suite SOA o incluso en un sistema de gestión empresarial ERP o CRM.

 

También es posible encontrarlos en forma de APIs reutilizables.

 

En algún caso muy especial, como el ejemplo de la gestión de llamadas, lo podemos encontrar dentro del software de gestión de un ACD (Automatic Call DIstributor).

 

No obstante, sea cual sea la presentación, si se respeta el que las reglas son entidades sometidas a gestión y que son configurables en tiempo de ejecución, preferiblemente por personas de negocio, lo podríamos seguir considerando un BRMS, puesto que aporta las principales características y ventajas que de ellos se esperan.

 

Mirando al futuro: qué puede aportar la inteligencia artificial

 

Decíamos al principio que las reglas de negocio implicaban criterios claros de decisión. Eso quiere decir que las reglas son estrictas, formulables de forma indudable y de una aplicación que no ofrece dudas.

 

Así es lo normal y, en general, así es como debemos esperar encontrarlas.

 

Sin embargo, el auge de la inteligencia artificial y el machine learning abren la puerta a un tipo de BRMS especial, que podríamos denominar cognitivo, donde el motor de ejecución sea esencialmente un algoritmo de machine learning, las reglas más que editarlas se ‘enseñen’ aplicando los algoritmos de aprendizaje propios del algoritmo de machine learning seleccionado y el repositorio de reglas, más que las reglas propiamente dichas, tendría el ajuste de parámetros del algoritmo.

 

El funcionamiento de cara al sistema externo que invoca al BRMS, digamos el BPMS, es exactamente igual y la función del BRMS también. Sin embargo, el funcionamiento interno sería completamente diferente y, seguramente, las decisiones que adoptaría también lo serían en muchos casos.

 

Conclusiones

 

Los BRMS son elementos software (sean sistemas por derecho propio o módulos de sistemas de más alcance) cuya misión es gestionar de manera explícita las reglas de negocio, haciéndolas configurables en tiempo de ejecución por personas de negocio y desligándolas, por tanto, del desarrollo software.

 

Aunque se trata de un tipo de software ya con una larga historia, el auge actual de la inteligencia artificial y el machine learning los puede hacer evolucionar hacia mecanismos cognitivos mucho más avanzados.

 

Artículos anteriores relacionados

 

 

Tecnología para la digitalización de procesos (X): Data Capture

Data Capture

En este post vamos a mencionar, siquiera brevemente, un conjunto de tecnologías que se conocen como Data Capture o, en sus versiones más avanzadas Intelligent Data Capture, un tipo de soluciones orientadas a capturar información y datos de todo tipo de fuentes, digitales o no, y estructuradas o no, e integrarlas en un procesamiento informático.

 

¿Qué es Data Capture?

 

Sin pretender una definición académica, podemos decir que Data Capture es la obtención de información apta para su procesamiento digital a partir de todo tipo de fuentes, sean éstas digitales o no.

 

De lo que se trata es de incorporar a nuestros sistemas, la información procedente de fuentes diversas tal y como correos electrónicos, documentos en papel, documentos ofimáticos, social media, etc

 

Esta información, una vez digitalizada, analizada y convertida a datos estructurados, puede ser ya procesada normalmente por los sistemas de información habituales entre los que se encuentran muchos de los usados en automatización de procesos de negocio y que hemos comentado en este mismo blog como, por ejemplo, los sistemas de gestión empresarial (ERP o CRM), los sistemas de gestión documental, los sistemas de gestión de procesos de negocio (BPMS), o los sistemas de gestión de casos.

 

Tecnologías en Data Capture

 

En realidad, Data Capture no es una tecnología sino un conjunto variado de tecnologías que se suelen incorporar en productos o soluciones que las integran. Algunas de estas tecnologías son:

 

  • Escaneado: Simplemente, el ya conocido y ampliamente utilizado mecanismo de escaneado y digitalización de documentos.
  • Bar Code Recognition: Lectura de códigos de barras, donde podríamos incluir tambiñen, y como extensión natural, la lectura de códigos QR.
  • OCR (Optical Character Recognition): Es decir, el reconocimiento de caracteres producidos por una máquina.
  • ICR (Intelligent Character Recognition): Reconocimiento de caracteres escritos manualmente por humanos.
  • OMR (Optical Mark Recognition): Reconocimiento de marcas como, en su caso más típico, tendríamos en el caso de los exámenes tipo test automatizados.
  • IDR (Intelligent Document Recognition): Un tipo de soluciones de más alto nivel capaz de reconocer y clasificar tipos de documentos con base a información como metadatos, logos, etc.
  • etc

 

Intelligent Data Capture: ¿Qué aporta la Inteligencia Artificial?

 

Algunas de las tecnologías incluidas en data Capture ya llevan muchos años entre nosotros, como por ejemplo el OCR, la lectura de códigos de barras o el procesamiento de marcas..

 

Sin embargo, en los últimos años, con el desarrollo y la aplicación de técnicas procedentes de la inteligencia artificial y el machine learning, han aumentado sus capacidades para el tratamiento y entendimiento del lenguaje natural (contenido, por ejemplo, en correos electrónicos), para la obtención de información a partir de imágenes y, en general, para el tratamiento de información en fuentes desestructuradas o débilmente estructuradas.

 

Data Capture y Automatización Robótica de Procesos

 

Las tecnologías de captura de datos colaboran especialmente bien dentro de las soluciones de automatización robótica de procesos (RPA), dado que el trabajo más frecuente de los robots tiene que ver con el trabajo con pantallas de aplicaciones por un lado y con documentos por otro. En esta segunda parte, documentos, las soluciones de Data Capture juegan un papel esencial.

 

Como ejemplo de esta colaboración, la plataforma de UiPath, el líder en RPA y del cual Reingeniería Digital es partner, incorpora la solución de Data Capture de ABBYY (Abbyy Flexicapture).

 

Conclusiones

 

Data Capture es un conjunto variado de tecnologías orientadas a digitalizar, analizar, y reconocer información procedente de fuentes diversas, en formato estructurado o no estructurado, e incorporarla al tratamiento informático.

 

Este tipo de soluciones, aunque también se ofrecen por separado, pueden venir incrustadas como parte de otros productos como, por ejemplo, plataformas de RPA.

 

Artículos anteriores relacionados

 

 

Tecnología para la digitalización de procesos (IX): Workforce management y field service

Workforce management

En el post de hoy nos vamos a detener en lo que, quizá, más que una tecnología como tal, es una funcionalidad basada en tecnología y presente en las soluciones de mercado con distintos formatos. Hablamos de las soluciones de Workforce management (gestión de fuerza de trabajo) que, muchas veces, adoptan la forma de soluciones de servicio de campo (‘field service‘).

 

¿Qué es una solución de workforce management?

 

Cuando hablamos de fuerza de trabajo en este contexto, pensamos en grupos humanos de bastante tamaño (decenas o centenas de personas), que ejecutan tareas masivas más o menos homogéneas, de corta duración y que, con frecuencia, la ejecución implica desplazamiento físico de las personas al lugar donde deben realizar la tarea.

 

Estamos hablando, por ejemplo, de flotas dedicadas a entregas de paquetería, de equipos de técnicos dedicados a la realización de instalaciones o resolución de averías en campo, de técnicos que realizan mediciones in situ de gas o electricidad, o incluso de fuerzas de ventas que visitan a gran numero de clientes. Y también aplicaría a alguna situación que no se realiza en campo, como podría ser la gestión de los trabajos en un Contact Center.

 

El objetivo de las soluciones de workforce management es registrar, gestionar, monitorizar y, sobre todo, optimizar ese tipo de trabajos. Dado que estamos hablando de tareas masivas y que implican a muchas personas, son actividades con alto coste para la empresa y en las que, por tanto, es muy importante conseguir la máxima eficiencia.

 

Eso sí, dado el carácter homogéneo de las tareas a realizar, se prestan bien a una automatización al menos parcial y también a la aplicación de algoritmia procedente del campo de la investigación de operaciones.

 

A esas tareas homogéneas y de corta duración a gestionar, las vamos a denominar, en lo que sigue, órdenes de trabajo (nomenclatura frecuente en estos ámbitos).

 

Funcionalidad habitual

 

¿Qué debe hacer una solución de workforce management?

 

Funcionalidades que podemos considerar habituales de este tipo de soluciones son:

 

  • Administración de los trabajadores y recursos asociados: por una parte debe poderse administrar la plantilla asociada a estos trabajos. Esa administración incluiría, por supuesto, el alta y baja de trabajadores, pero también la configuración de grupos, horarios y turnos, la gesti´´ón de habilidades y capacidades de la plantilla que sean relevantes para la asignación de órdenes de trabajo, la gestión de indisponibilidades por enfermedad, incapacidad temporal, etc. En el apartado de recursos asociados podríamos hablar del censo y asignación de recursos tales como vehículos, herramientas especializadas, etc.

 

  • Gestión automatizada de la asignación de tareas: unos de los focos de las soluciones de workforce management es la automatización de distribución y asignación de las órdenes de trabajo (en ocasiones denominado despacho) entre los profesionales disponibles. Aunque el objetivo debe ser la automatización completa, también suelen proveer de herramientas informáticas para la asignación manual de tareas por un usuario haciendo labores de coordinación de equipos.

 

  •  Gestión del ciclo de vida de las órdenes de trabajo: gestión de la creación y cierre de las órdenes de trabajo, así como otras acciones intermedias como retención, reasignación, etc.

 

  • Optimización de rutas: para aquellos casos en que los profesionales deban moverse fuera de oficina, en entornos tanto rurales como urbanos, algunas soluciones aportan algoritmos de optimización de las rutas a seguir, acortando distancias y, sobre todo, tiempos de desplazamiento y, eventualmente, consumo de combustible.

 

  • Monitorización e informes: es decir, seguimiento operativo por un lado de la actividad diaria, detección de incumplimientos de SLA, detección de sobrecargas, etc Y análisis más ejecutivo y estratégico de la actividad a nivel semanal, mensual, etc incluyendo medidas de tiempos de operación, eficiencia, satisfacción de cliente, etc

 

¿Cómo se puede presentar una solución de workforce management?

 

Las soluciones de workforce management las podemos encontrar en diversas presentaciones y formatos.

 

Lo más común es que se presenten como módulos específicos dentro de sistemas de gestión empresarial, tanto ERPs como CRMs, donde suelen adoptar un nombre que, de alguna forma, incluye el término ‘field service‘ ya que normalmente están orientados a trabajos en calle.

 

Pero también es posible, encontrarlas como productos especializados, tanto como aplicaciones como, de forma muy especializada, tal vez como librerías o APIs con los algoritmos más complejos de investigación de operaciones.

 

Y, aunque quizá no le sea el campo más propio, lo podríamos ver como un caso especial de Case Management.

 

De todas formas, y aunque la funcionalidad que ofrecen es muy importante, no se ven demasiado frecuentemente como una categoría de producto diferenciado por lo que puede ser necesaria una cierta investigación de mercado.

 

Elementos habituales y diferenciales

 

Desde un punto de vista tecnico, los elementos más diferenciales de este tipo de soluciones respecto a otras con las que guardan bastante similitudes, serían:

 

  • Algoritmia de optimización: es lo que realmente las hace más diferenciales. Lo realmente especial de estas soluciones es disponer de los algoritmos (como hemos dicho, normalmente procedentes del campo de la investigación de operaciones) para la asignación óptima y automatizada de órdenes de de trabajo y optimización de rutas que consigan una verdadera eficiencia.

 

  • Geolocalización y georouting: para el caso más habitual, a saber, que estemos gestionando una fuerza de trabajo de campo, si queremos poder seguir en tiempo real dónde se encuentra cada unidad, necesitamos geolocalización pero, además, si queremos optimizar rutas de desplazamiento, debemos complementarlo con georouting que optimice rutas con información, incluso, de naturaleza topográfica.

 

  • Movilidad: evidentemente, para el caso de fuerzas de campo, es importante poder trabajar en movilidad, desde smartphone, tablet, o laptop, con una interfaz de usuario muy ergonómica y lo más sencilla posible y previendo que, según el ámbito de aplicación, pueden perderse las comunicaciones por lo que el sistema debería ser capaz de funcionar tanto en modo conectado como desconectado.

 

Conclusiones

 

En resumen, las soluciones de Workforce management y field service, están orientadas a la gestión y, sobre todo, optimización de grupos humanos de trabajo que gestionan muchas tareas pero homogéneas y de corta duración.

 

Se suelen presentar como módulos de otro tipo de soluciones y una adecuada explotación de sus capacidades puede conducir a grandes eficiencias, mejoras de tiempos de operación y ahorros en costes.

 

Artículos anteriores relacionados

 

 

Tecnologías de proceso y tecnologías de tarea

Tecnologías de proceso y tecnologías de tarea

Hacemos un breve alto en el camino antes de proseguir con unos pocos artículos más en que continuaremos hablando de las tecnologías que se pueden utilizar en la digitalización de procesos.

 

Y hacemos ese alto para hacer una diferenciación que no tiene sitio en la literatura especializada pero que nosotros quisiéramos reseñar, especialmente a tenor de las tecnologías que revisaremos en próximos artículos.

 

Lo cierto es que casi cualquier tecnología digital es susceptible de ser utilizada, de alguna manera, para digitalizar procesos o, más bien, alguna parte de ellos. Por eso quisiéramos distinguir entre lo que denominamos tecnologías de proceso de aquellas tecnologías que denominaremos de tarea, insistiendo que es una visión particular nuestra.

 

Llamamos tecnología de proceso a aquellas tecnologías que tienen como objetivo los procesos vistos extremo a extremo y con una cierta ‘conciencia’ de la existencia de ese proceso. La tecnología por excelencia que cumple con esa definición es, sin lugar a duda, la de los BPMS. Probablemente sea la única que, dicho con rigurosidad, se pueda considerar una tecnología de proceso. Sin embargo, no parece descabellado incluir dentro de este paraguas, también, a los sistemas de gestión empresarial (ERPs, y CRMs), al Case Management o al ITSM.

 

Por el contrario, hay tecnologías que sirven para realizar ciertos trabajos, ciertas tareas específicas. Pero, en general, esas tareas formarán parte, sea esto más o menos explícito, de algún proceso. En la medida que esas tecnologías ayudan a digitalizar o automatizar tareas de un proceso, se deben tener en cuenta como candidatas a ser usadas en la automatización y en la digitalización. Pero preferimos, en este caso, denominarlas tecnologías de tarea. Dentro de este paraguas incluiríamos también a tecnologías que, quizá, automatizan varias tareas, o una secuencia de ellos o, incluso, algún subproceso, pero no procesos extremo a extremo.  Aquí cabría casi cualquier tecnología pero, de las que hemos visto, hablaríamos de los chatbots (tareas de interfaz con usuario), de Complex Evennt Processing (tratamiento de eventos), la inteligencia artificial, y algunas otras que iremos viendo como workforce management, blockchain/smart contracts, etc.

 

Las fronteras no son claras, pero en general no cuesta trabajo, creemos, entender la diferenciación, al menos en su filosofía subyacente.

 

Quizá la tecnología de más difícil clasificación sea Robotic Process Automation (RPA). En su aplicación más natural, tiende a ser una tecnología de tarea, aunque con cierta tendencia a asumir subprocesos y no sólo tareas simples. Sin embargo, RPA tiene el potencial técnico de, aunque sea forzando un poco su filosofía, llegar a digitalizar procesos extremo a extremo. De momento nos parece más acertado clasificarla como tecnología de tarea… y estar muy atentos a su evolución.

 

Se trata, no obstante, esta distinción entre tecnologías de proceso y de tarea, más bien una forma de entenderse y ayudar a entender las tecnologías y lo que significan. A la hora de la aplicación en una reingeniería digital de procesos, no importan tanto su clasificación sino su impacto en el negocio, su adecuación a la labor de digitalización que se pretende y su facilidad o no de implantación.

 

Continuemos…

 

Tecnología para la digitalización de procesos (VIII). Qué tiene que decir la Inteligencia Artificial.

Inteligencia Artificial

Aunque la Inteligencia Artificial no es propiamente una tecnología orientada a procesos de negocio, sí que está ya realizando más que interesantes aportaciones al campo de la automatización y las perspectivas son de que puede ganar mucho más peso específico.

 

Vamos a ver en este artículo algunas ideas sobre lo que puede hacer la inteligencia artificial en el mundo de los procesos.

 

Primero lo primero: ¿Qué es la inteligencia artificial?

 

Lo primero es centrar qué es eso de la inteligencia artificial.

 

Lo cierto es que se trata de un área tecnológica de fronteras poco definidas y que agrupa algoritmias de muy diferente naturaleza con el objetivo común de emular, de alguna manera, capacidades cognitivas propias de los humanos. Dentro de la inteligencia artificial se suele incluir el Machine Learning, a su vez un conjunto heterogéneo de algoritmos con la característica común en todos ellos de su capacidad para aprender, ya sea a través de pares (entrada-resultado correcto), aprendizaje supervisado, ya sea mediante el descubrimiento autónomo de patrones, aprendizaje no supervisado, o ya sea mediante el ensayo y error ligado a una recompensa/castigo, aprendizaje por refuerzo.

 

Dentro del campo del Machine Learning se incluyen algoritmos como las redes bayesianas, regresión logística, seuencias temporales, K-means y, lo que son la ‘estrella’ hoy día, las redes neuronales incluyendo su variante Deep Learning.

 

Quizá, lo más diferencial de los algoritmos de Inteligencia Artificial sea, precisamente, su capacidad de aprendizaje y adaptación autónoma así como la resolución de problemas complejos de fronteras poco claras.

 

Tareas automatizables con la ayuda de la inteligencia artificial

 

Como sabemos, en un proceso de negocio se encadenan diferentes tareas o actividades que, coordinadamente, producen un valor de negocio. Existen soluciones tecnológicas para automatización orientadas hacia una visión del proceso extremo a extremo (siendo el caso paradigmático el de los Business Process Management Systems (BPMS) de los que ya hemos hablado. En otros casos, las tecnologías nos ayudan a automatizar algunas de esas tareas específicas, sin preocuparnos de la visión extremo a extremo.

 

Ahora mismo, la Inteligencia Artificial está en esta última situación: la de permitir automatizar tareas concretas, dentro de un proceso de negocio.

 

¿Qué tipo de tareas?

 

Aunque existen posibilidades adicionales, el gran éxito de los últimos años de la Inteligencia Artificial se centra mucho en la ‘sustitución’ de las capacidades sensoriales y lingüísticas de los humanos, es decir, más que el pensamiento como tal, hablamos de visión artificial, hablamos de reconocimiento de voz y del tratamiento del lenguaje natural (NLP, Natural Language Processing) y del entendimiento de ese lenguaje natural (NLU, Natural Language Understanding). Y añadiríamos también, la capacidad de clasificar correctamente las entradas (lo que se puede utilizar, por ejemplo, ligado a la visión para la clasificación de imágenes). Todas estas capacidades están ya muy desarrolladas y maduras y, en cualquier proceso en que hoy día necesitemos que un humano reconozca imágenes (por ejemplo, lectura de matrículas de automóviles, reconocimiento facial, etc) o que reciba instrucciones por voz, podemos pensar en sustituir la labor humana o las soluciones software más primitivas, por módulos basados en inteligencia artificial.

 

Robots software e inteligencia artificial

 

En la práctica, una de las formas más comunes de emplear la inteligencia artificial en la digitalización de procesos, no es directamente sino a través de otras tecnologías más amplias que se apoyan en ella. En concreto, ya en este blog hemos hablado de las dos más relevantes y que tiene que ver con los bots, los robots software.

 

Por un lado tenemos la Automatización Robótica de Procesos (RPA, Robotic Process Automation) que utiliza elementos de inteligencia artificial para tareas como reconocimiento óptico de caracteres (OCR, Optical Character Recognition) inteligente, normalmente para la lectura y extracción de información de documentos poco estructurados o reconocimiento de imágenes, también para el tratamiento de documentos poco estructurados  o para trabajo con aplicaciones a las que accedemos mediante escritorios virtualizados, tipo Citrix.

 

Por otro lado, hablaríamos de chatbots e interfaces conversacionales donde se utiliza la inteligencia artificial muy especialmente para las interfaces por voz, incluyendo el reconocimiento de voz, el tratamiento y entendimiento del lenguaje natural y la síntesis de voz aunque puede encontrar otros usos como el análisis de sentimiento y de intenciones o la gestión de conversaciones complejas.

 

Hacia una inteligencia superior

 

Sin embargo, la aspiración, y lo que más excita la fantasía, es que podamos introducir de alguna forma la capacidad de análisis y de pensamiento en los procesos, que podamos automatizar aquellas decisiones que suponen un análisis complejo y que actualmente, con frecuencia, se realizan por personas o mediante aplicación de reglas de negocio configurables que tienden a simplificar el problema.

 

En este área nos debería de ayudar toda la algoritmia incluida en el campo del Machine Learning. No parece lejano (de hecho, seguramente ya existen algunas implementaciones, al menos incipientes), aplicar inteligencia artificial en temas como el ‘scoring‘ de riesgo en el sector de asegurador o al diagn´óstico de averías en infraestructuras técnicas como, por ejemplo, redes de telecomunicaciones o equipos complejos, por ejemplo del ámbito industrial. Y ya se habla también del diagnóstico de enfermedades, aunque se plantea más como una ayuda al médico que como una solución autónoma.

 

Mucho por ver

 

Hemos visto ya avances increíbles en el campo de la inteligencia artificial en los últimos años y no cabe duda de que aún nos queda mucho por ver.

 

A medida que la inteligencia artificial progrese, veremos, seguramente, aparte de la consolidación de las soluciones como las actuales de tratamiento de imágenes, voz y lenguaje natural, el crecimiento de soluciones de, si se nos permite decirlo, ‘auténtica inteligencia‘,  que permitirán automatizar, probablemente mejorando incluso las capacidades actuales, tareas hasta ahora reservadas a los humanos.

 

Con ello, podríamos ir eliminando cada vez más las denominadas tareas de usuario en los procesos y sustituirlas por tareas automáticas, consiguiendo espectaculares mejoras en tiempos de operación, pero también en precisión, en eliminación de errores y en calidad.

 

Conclusiones

 

La inteligencia Artificial es un campo algo borroso y heterogéneo de técnicas que permiten emular el pensamiento humano incluyendo, sobre todo, el aprendizaje y la capacidad de adaptación autónomos.

 

No se trata de una tecnología específica de automatización de procesos pero sí que permite automatizar tareas específicas de los procesos. En concreto, hoy día ya se utiliza mucho en lo relativo a la visión artificial, reconocimiento de voz y tratamiento del lenguaje natural.  En muchos casos, estos usos se hacen a través de otras tecnologías como RPA y chatbots.

 

De cara al futuro cabe esperar, aparte de otras posibles sorpresas, avances y aplicaciones más orientadas al pensamiento, el análisis y la decisión.

 

Sin duda, nos queda mucho por ver y mucho por lo que sorprendernos.

 

Artículos anteriores relacionados

 

 

Imagen de cabecera: Gerd Leonhard en Flickr.

Tecnología para la digitalización de procesos de negocio (VII): IT Service Management

IT Service Management

En esta nuestra singladura a lo largo de las diferentes soluciones tecnológicas para digitalizar procesos de negocio, hoy tratamos unas soluciones que podríamos considerar de nicho en cuanto al área de aplicación, aunque no por ello pensemos que se trata de un tipo de soluciones marginales, porque sí cabe encontrarlas con cierta frecuencia en departamentos de tecnología o sistemas. Nos referimos a las soluciones denominadas IT Service Management (ITSM).

 

¿Qué es el IT Service Management?

 

Podemos decir que el IT Service Management es una disciplina orientada a la gestión del ciclo de vida completo de servicios basados en Tecnologías de la Información incluyendo desde su diseño y desarrollo hasta su despliegue y operación.

 

Esto es aplicable, por ejemplo, a la gestión del ciclo de vida de un sistema desarrollado a medida dentro de una gran organización, o a la gestión de un software ofrecido en modo SaaS (Software as a Service) en la nube, o al mantenimiento de la planta microinformática (desktop y laptop) de una compañía… y así un largo etcétera.

 

Como parte del IT Service Mangement se definen políticas, buenas prácticas, procedimientos, funciones, etc. Pero, sin duda, la estrella del IT Service Management, y lo que más nos interesa a nosotros, son los procesos de negocio para la gestión del ciclo de vida de servicios TI.

 

¿De qué procesos hablamos?

 

Aunque en teoría puede haber otras alternativas, la mayor parte de las soluciones de ITSM se centran en los procesos definidos en ITIL. En ITIL se reconocen una veintena larga de procesos agrupados en cinco áreas de proceso, tal y como se puede observar en la figura:

 

Procesos ITIL

No vamos a revisarlos todos pero, a modo de ejemplo, comentaremos brevemente estos cuatro que son la columna vertebral de la operación de los servicios:

 

  • Incident management: gestiona las incidencias en el servicio, típicamente denunciadas por el usuario recurriendo a la función denominada service desk. El objetivo fundamental de este proceso es restaurar cuanto antes el normal funcionamiento del servicio, incluso si para ello tiene que recurrir a soluciones transitorias (‘workarounds‘) que se deben revisar posteriormente.

 

  • Problem management: este proceso se relaciona bastante con el anterior, pero en este caso lo que se trata es de resolver problemáticas profundas (que en general se manifiestan en forma de incidentes) mediante un análisis más riguroso en busca de lo que se denomina la ‘causa raíz‘ (digamos que el verdadero motivo de todos los males) y encontrar para ella una solución que debe ser ya definitiva.

 

  • Event Management: Es el tratamiento de lo que se denomina eventos, es decir, las alertas o notificaciones que se generan normalmente por una solución de monitorización de las infraestructuras TI. Estos eventos pueden ser meros avisos perfectamente descartables, pero también nos pueden estar indicando la presencia de incidentes y/o problemas.

 

  • Request fulfillment: Es el proceso mediante el cual se atiende a peticiones del cliente / usuario (por ejemplo, la instalación en un PC de una nueva aplicación corporativa o el aumento de memoria en un entorno virtualizado)

 

Las soluciones ITSM

 

Existen en el mercado varias soluciones ITSM. En su concepción heredan en cierto sentido la filosofía de los sistemas de gestión empresarial, en el sentido de ofrecer unos procesos y una funcionalidad ‘predefinidos’ que luego se parametrizan para su adaptación a una empresa concreta. Pero en su construcción suelen proceder del desarrollo sobre una herramienta de case management o de BPMS/workflow. y en teoría, aunque no podemos considerarlo práctica común, en lo relativo a Event Management también pueden apoyarse en tecnología CEP (Complex Event Processing).

 

Adicionalmente, y aparte de la implementación de los procesos, deben incluir más cosas para dar un verdadero soporte ITIL / ITSM. Así, por ejemplo, incluyen el módulo CMDB (‘Configuration Management Data Base‘) el cual podemos entender como un inventario de infraestructura TI (hardware y software) aunque cualquier entendido en ITIL nos dirá, con razón, que es algo más que eso, conteniendo, por ejemplo, información también sobre niveles de servicio.

 

Además, este tipo de soluciones que, tradicionalmente, y como es lógico, se instalaban ‘on-premises‘, es decir, en el Centro de Proceso de Datos de la empresa, cada vez más tienden a prestarse desde la nube según el modelo SaaS (Software as a Service).

 

La ventaja de una solución ITSM

 

Las ventajas e inconvenientes de una solución ‘paquetizada’ que sólo debemos parametrizar, como suele ser el caso de las soluciones ITSM, son las mismas que para cualquier otro paquete como pueden ser los de software empresarial.

 

Por un lado, disponemos de unas mejores prácticas ya construidas en los procesos y una, en teoría, mayor rapidez de despliegue. Por contra, tenemos una cierta rigidez en la funcionalidad disponible, la dificultad para diferenciarnos y, desgraciadamente, un precio que no suele ser bajo.

 

En el caso de ITSM, sin embargo, conviene decir que realmente no suele ser muy necesaria una diferenciación, ya que los procesos de gestión TI no suelen ser los que influyen en la posición competitiva y lo que se quiere realmente es que sean muy efectivos y muy eficientes, pero sin especiales originalidades.

 

Por otro lado, el cumplimiento con ITIL que estas herramientas traen consigo, lleva como consecuencia inmediata la facilidad para conseguir una certificación ISO 20000 muy valorada por ciertos clientes.

 

Conclusiones

 

Las soluciones IT Service Management ofrecen productos parametrizables para soportar los procesos propios de la gestión de servicios TI, normalmente siguiendo las buenas prácticas establecidas por ITIL.

 

En su filosofía y construcción se suelen apoyar en otras tecnologías de gestión de procesos de negocio y constituyen una buen punto de apoyo para conseguir una certificación ISO 20000.

 

Artículos anteriores relacionados

 

 

Imagen de cabecera: Blue Coat en Flickr