Llegamos a ustedes gracias a:



Columnas de opinión

Del BI a la Analítica Predictiva ¿estamos preparados?

Por: Úrsula Breña Cobo, directora y cofundadora de KDD

Ursula Breña

[14/07/2015] La demanda por un análisis de información más preciso y ágil ha ido incrementándose a medida que se ha tenido una mayor disponibilidad a los datos. Ello ha hecho que en muchos casos se sofistiquen los requerimientos, más no necesariamente el abordaje del mismo. En tal sentido, el Business Intelligence (BI) ha ido evolucionado desde su origen.

La necesidad de contar con reportes de información, básicamente financiera, dio origen al llamado BI, que se circunscribía a la evaluación expost de los resultados operativos del negocio; es decir, solo a temas de reporting de data estructurada de origen interno transaccional. Así empiezan a generarse los primeros dashboards vinculados a los resultados de negocio.

La necesidad de información de las áreas de planeamiento estratégico y financiero, y el requerir de proyecciones, hizo que se empezaran a incorporar tímidamente variables de entorno, surgiendo el análisis what if? que con el tiempo se ha ido consolidando, dando pase a los enfoques Enterprise Performance Management (EPM) que introducen el tema de analítica predictiva -a través de los análisis de sensibilidad- para garantizar el manejo de información estructurada cruzada actualizada, y ponerla a disposición de los analistas del negocio dentro de un entorno de planeamiento estratégico.

El requerir conocimiento del cliente, las variables decisorias de consumo y el proceso de compra, ha hecho extender el concepto a la inteligencia de mercado, que, básicamente, apunta al análisis de datos de patrones de conducta del consumidor, e investiga las posibles razones que lo inducen al consumo.

Ello ha obligado a cruzar la data estructurada comercial interna de las organizaciones con variables del entorno que influyen en la industria, en su conjunto, y en la empresa en particular, manteniéndose un mix en el análisis al mezclar la data estructurada, de origen interno y externo, pero manteniéndose, en principio, en el plano expost.

Con el devenir de la era digital, se viene requiriendo cada vez más un análisis en línea que nos posibilite la gestión oportuna de los negocios y las ventas; así no solo el análisis expost de diagnóstico, de lo que pasó, vinculado a la inteligencia de negocio y/o mercado, que si bien es importante y nos da las premisas para corregir estrategias, termina siendo insuficiente.

Así el mix de análisis de información se extiende: no solo a data estructurada, proveniente de fuentes internas y externas; sino a data no estructurada, donde la identificación de las variables que influyen en la industria donde estamos inmersos es fundamental para sentar las bases de la "analítica social.

En la actualidad, la globalización, la competencia en la era digital, exige cada vez más un análisis predictivo; es decir, que anticipe comportamientos y pronostique cómo se desenvolverán las variables clave del negocio; y si no tenemos claro que implica modelamientos simples o complejos y una arquitectura y diseño de datos, que correlacione variables, que lo soporte y responda a los requerimientos de gestión, podemos entramparnos y caer en el facilismo que todo se circunscribe a simples reportes.

Uno de los grandes inconvenientes es que se suele pensar que el análisis ex post, en línea, y ex ante, es lo mismo, y, que, por lo tanto, se debe utilizar los mismos métodos de análisis. Nada más lejos de la realidad.

Si bien en esencia nos estamos refiriendo a "analítica, es importante identificar los estadíos en los que se encuentra la información -si se requieren a un nivel operativo, de analistas o gerencial, qué analítica es la que aplica, para así determinar claramente que metodología usar, para luego obtener indicadores "ad hoc a cada nivel requerido.

¿Cómo la inteligencia de negocios y la ciencia analítica añaden valor a los procesos de negocios? Para ello existen bases sobre las cuales debemos enfocarnos:

  • Confluir base técnica con la estrategia.
  • Crear una inteligencia de negocio basada en la ciencia analítica.
  • TI debe hacer acopio de su experiencia operativa para definir requisitos del negocio.
  • Poner a disposición datos con mayor facilidad y fiabilidad.
  • Construir arquitectura para generar informes y análisis que respalden la toma de decisiones y establezca modelos de gobernabilidad y una capacitación apropiada.

¿Cuáles son los principales retos que enfrentan las empresas en materia de organización y gestión de información para fomentar la inteligencia de negocios? En la última encuesta de CIO IDG Research Service del 2014 se evidencia que solo un 12% de las organizaciones se declaran eficaces en el uso de datos, y el 50% tiene dificultad en desarrollar la capacidad de analizar la información. En mi opinión, ese alto porcentaje se da porque no se tiene claro para qué se está requiriendo la información.

El reto es grande; lo que hay que tener presente es que al final el análisis de información a través de la analítica tiene que lograr:

  • Transformar datos en conocimiento.
  • Compartir información entre Áreas de Negocio.
  • Tomar decisiones basadas en hechos y datos.
  • Hacer productos o servicios más atractivos.
  • Dar al cliente lo que necesita y valora.
  • Adquirir ventajas competitivas.
CIO, Perú

Úrsula Breña Cobo, directora y cofundadora de KDD (Knowledge Data Discovery), es una ejecutiva senior especializada en gestión, innovación estratégica de negocios, optimización y eficiencias, haciendo uso de la tecnología como medio de impacto en el logro de objetivos definidos en la adecuación de los procesos core y de soporte del negocio.