Llegamos a ustedes gracias a:



Reportajes y análisis

9 formas en que está fallando en la inteligencia de negocios

[10/01/2017] Los ejecutivos saben que necesitan datos de alta calidad para tomar buenas decisiones comerciales. Pero obtener datos precisos en un formato oportuno y fácil de usar sigue siendo un desafío. Por supuesto, existe una gran industria de consultores y proveedores con experiencia en la inteligencia de negocio (BI).

¿Cómo sabe si lo están engañando? ¿Es hora de actualizar su BI o lanzar un nuevo programa de capacitación? Para responder a estas preguntas, es útil saber en qué han fallado los otros.

1. Ser alguien que 'recibe órdenes' al construir los sistemas de BI

"El cliente siempre tiene la razón. Es un noble sentimiento que ha hecho mucho para mejorar el servicio al cliente, especialmente en la industria del retail. Pero con la tecnología, los usuarios de negocios no siempre entienden lo que están pidiendo. Peor aún, pueden intentar ordenar los detalles técnicos de la solución.

Implementar lo que los usuarios piden en lugar de aquello que necesitan es una receta para el error en la inteligencia de negocio. "Los proyectos de inteligencia de negocio exitosos requieren de la elaboración y administración de los requisitos, así como la capacidad de validar adecuadamente los resultados de la BI, afirma Wolfgang Platz, fundador de Tricentis, que ofrece una plataforma de prueba continua para empresas como HBO, Toyota y BMW. La técnica de los "cinco por qué -preguntar cinco veces 'por qué' sobre un tema para lograr una mayor profundidad- es una manera de entender lo que los usuarios realmente necesitan.

2. Reducir los recursos y los tiempos de prueba

"Muévete rápido y rompe cosas es una idea clave en el mundo de las startups. Con frecuencia, las empresas establecidas también necesitan velocidad. Pero en esa búsqueda para ir más rápido, las actividades como las pruebas, percibidas como auxiliares, pueden sufrir. Ver a las pruebas como un peso muerto puede generar problemas importantes de calidad, especialmente si se basan en pruebas manuales. Cambie esa perspectiva por la de ver a las pruebas y los procesos "auxiliares relacionados como formas de ofrecer una experiencia de BI de mayor calidad.

"Restringir las pruebas, especialmente cuando la única prueba que se realiza es manual, conlleva a una gran cantidad de defectos en las pruebas de aceptación del usuario que finalmente afectan los tiempos de producción, afirma Platz.

3. Perder la visión amplia de la integridad de los datos es algo que importa

Las herramientas de inteligencia de negocio son excelentes en el procesamiento, visualización y análisis de los datos. Pero ¿y si está alimentando al sistema con datos corruptos? O mejor aún: ¿cómo le demostraría a un auditor de TI que tiene datos de alta calidad para guiar sus decisiones de gestión? Dar demasiada prioridad a la herramienta de inteligencia de negocios y a su configuración puede implicar que no se percate de estos detalles críticos.

"Hoy en día, la BI no se usa solo para soportar mejores decisiones; la BI a menudo está integrada en los procesos operativos. Si tiene errores en sus informes financieros o regulatorios -que a menudo son respaldados por las tecnologías de almacenamiento de datos- la BI puede ayudarle a sacarlos a la luz. Pero otros procesos todavía pueden fallar. Por ejemplo, una compañía de seguros con honorarios de intermediario calculados, incluso de manera ligeramente imprecisa, puede afectar negativamente su reputación y luego aumentar la rotación de los clientes, afirma Platz. "Las empresas de hoy en día deben tener un enfoque proactivo y automatizado para las pruebas de BI con el fin de exponer los problemas de integridad de los datos lo más rápido posible.

Cometer errores con los datos financieros y regulatorios puede conllevar problemas costosos. La mala calidad de los datos también desperdicia dinero. En el 2013, el Servicio Postal de Estados Unidos no pudo entregar más de seis mil millones de piezas de correo a sus destinos. Eso significa declaraciones de pérdida o retraso por parte de los clientes, oportunidades de comercialización pérdidas y más.

4. Adoptar un enfoque reactivo para molestar a los usuarios

Ningún profesional de tecnología espera tratar con usuarios enojados. Las fallas en el sistema y las frustraciones ocurren. Su respuesta a esos problemas influirá en si su iniciativa de BI tiene éxito o falla.

"Los dos principales errores que veo que comenten los novatos en BI es enfocarse demasiado en cumplir con los pedidos, y no involucrar a los usuarios finales de negocio en el proyecto, explica Doug Bordonaro, evangelista de datos principal de ThoughtSpot, empresa que se enfoca en el análisis basado en búsquedas para servicios financieros, retail y otras industrias. "Cuando los clientes le gritan debido a los largos plazos de provisión y los acuerdos de nivel de servicio que se están perdiendo, es el lugar obvio en el que tiene que enfocarse. Al involucrarse demasiado en la producción diaria, se pierde el panorama de la BI. ¿Les está dando a sus clientes lo que necesitan para tomar decisiones? ¿Entiende qué datos necesitan sus clientes? ¿Hay una mejor solución al problema real que otro reporte más?

Es mejor priorizar las quejas de los usuarios en función de su importancia relativa para su estrategia general, que adoptar un enfoque de interrupción total de las tareas cada vez que surjan problemas.

5. Ir tras el análisis sin sentido

Cuando tiene herramientas poderosas a su disposición, es natural buscar una oportunidad para ponerlas en práctica. Pero la inteligencia de negocios que carece de una dirección constituye una pérdida de tiempo. Este problema es particularmente común entre los profesionales relativamente menos experimentados.

"Los principiantes y los entusiastas profesionales de BI corren el riesgo de tener una visión de túnel y realizar análisis interesantes que no están guiados por preguntas significativas. A menudo, los resultados pueden carecer de un hallazgo relevante y no proporcionan conocimientos impactantes, afirma Mark Langsfeld, vicepresidente de analítica de Anexinet, firma de servicios de consultoría con experiencia en el soporte a la toma de decisiones y analítica de clientes.

Para evitar este error es necesario de conocimiento y juicio de negocios. Preguntarse "¿cómo contribuye este análisis a los objetivos de la empresa? es una forma de evitar los problemas del tipo '¿y ahora que hacemos?'. Si no está seguro de cómo relacionar su análisis con los objetivos de la empresa, existen algunos puntos a considerar. ¿De qué manera su análisis de BI ilustra maneras de mejorar los ingresos, reducir costos o mejorar el servicio? Esas son preocupaciones perennes que tienen la mayoría de los líderes de negocios.

6. Suponer que solo los datos son suficientes

¿Pueden "más datos resolver todos nuestros problemas comerciales? Esa es la suposición implícita que acecha debajo de muchas discusiones y análisis de inteligencia de negocio. Simplemente arrojar datos a un ejecutivo y esperar lo mejor no va a funcionar.

"Si los datos no se presentan y se argumentan de manera convincente, son ignorados o superados por la opinión. El valor de tener un argumento y elaborar un componente de la historia nunca debe subestimarse, comenta Dan Sommer, director senior de inteligencia de mercado en Qlik. La implicación de un conjunto de datos puede ser clara para sus analistas de primera línea. No puede suponer que ese punto quedará claro para otros que están a pocos pasos de los datos.

Para crear mejores historias, considere encontrar inspiración en otros campos. En "Hechas para Quedarse: Por qué Algunas Ideas Sobreviven y Otras Mueren, Chip y Dan Heath describen un modelo para explicar lo que hace "pegajosas a las ideas. "Del mismo modo, los escritores de ficción y los guionistas han utilizado el concepto de "viaje del héroe para contar historias durante siglos. Si desea que los ejecutivos y los clientes comprendan, recuerden y actúen según sus conocimientos, las habilidades para contar historias marcan la diferencia.

7. Demasiada confianza en las herramientas de BI (y no en las personas y el proceso)

Los tecnólogos saben que la herramienta adecuada puede marcar una gran diferencia. Piense en la primera vez que usó un script para automatizar una tarea repetitiva. Esos primeros triunfos lo alientan a buscar constantemente nuevas herramientas para resolver problemas de negocios. Desafortunadamente, demasiado énfasis en su herramienta de inteligencia de negocio tiende a generar resultados decepcionantes.

"Como analista de la industria, he subestimado lo difícil que es obtener una adopción realmente amplia y adecuada del uso de BI y el análisis en las organizaciones. Incluso si las herramientas son cada vez más fáciles de usar, existen componentes de proceso, culturales y de aprendizaje necesarios para alcanzar el éxito. Es por eso por lo que necesitamos hablar más y más sobre la alfabetización de datos como un componente clave para permitir la adopción adecuada de la BI, afirma Sommer.

Si está decepcionado con su programa de BI, busque más allá de la tecnología. Por ejemplo, ¿su personal sabe cómo presentar datos?

8. Gestión ineficiente de los proveedores

Es posible que su empresa no tenga un departamento de BI. En ese caso, trabajar con expertos externos tiene sentido. Puede pedirles que lleven a cabo la función de un proveedor de servicios subcontratado o ayudarlo en cada proyecto. En cualquiera de estos casos, debe entender a su proveedor y proporcionar supervisión, especialmente con los subcontratistas.

"Mi empresa no tenía el control total de un proyecto en particular en el que trabajamos con un proveedor subcontratado para la compañía de software que vendió el software de inteligencia de negocio. Tuvimos problemas particulares con la limpieza de datos y el control de los datos: 'Si entra basura, sale basura', como a mis analistas les encanta señalar, explica Andrew Pearson, presidente de Intelligencia, una empresa de consultoría de software con sede en Hong Kong. "Nuestros modelos analíticos no fueron tan útiles porque no se podía confiar en los datos. No estábamos totalmente seguros de sus capacidades de limpieza de datos y, ya que esta es la línea de base para hacer buenos reportes de BI y absolutamente necesario para el desarrollo de modelos sólidos, no estábamos en una buena posición para tener éxito.

Si está trabajando con un proveedor externo, es su responsabilidad comprender el proyecto y quién está trabajando en su cuenta. De lo contrario, puede terminar con una decepción de BI.

9. Ignorar la lealtad a las herramientas convencionales como SQL y Excel

¿Sabía que hay campeonatos anuales de Microsoft Excel? Tome como ejemplo el Campeonato Mundial de Microsoft Office Specialist -tienen más de quinientos mil competidores y premios en efectivo para los ganadores. Esa es solo una señal de lo popular que se ha vuelto Excel en el mundo de los negocios. En menor grado, SQL tiene un amplio seguimiento en el mundo de la tecnología.

Descuidar el elemento humano en el cambio y adoptar nuevas herramientas de inteligencia de negocio aumenta las probabilidades de fracaso. "Se pueden encontrar muchas personas con habilidades en SQL y Excel, pero encontrar habilidades para productos como Tableau, Qlik, Spotfire, SAS y SAP es más difícil. Cuando presenta un nuevo software y nuevas formas de hacer negocios, existe un rechazo inmediato por parte de los usuarios de negocio que están acostumbrados a hacer todo en Excel y/o SQL, explica Pearson.

Hacer un cambio significativo en la BI de una organización tiene consecuencias para las carreras profesionales. El arte de la administración y el liderazgo del cambio no pueden ignorarse a la hora de guiar a las personas a lo largo de la transición.

Puede ver también