[11/06/2021] A medida que las empresas reciben datos de todo tipo a un ritmo sin precedentes, la capacidad de ofrecer a los responsables de la toma de decisiones un acceso fácil a la información inmediata, se está convirtiendo en una necesidad empresarial. La analítica en tiempo real permite a las organizaciones hacer frente a este reto aplicando la lógica y las matemáticas a los datos en bruto, transformando los números en conocimiento procesable, y abriendo la puerta a una toma de decisiones rápida y precisa.
Como ocurre con cualquier herramienta informática potente, la analítica en tiempo real requiere un alto grado de comprensión y competencia antes de que pueda utilizarse para satisfacer las necesidades críticas de la empresa en el mundo real, como la mejora de los flujos de trabajo, el impulso de los programas de marketing y ventas, y la comprensión de diversos tipos de comportamiento de los clientes.
[Reciba lo último de CIO Perú suscribiéndose a nuestro newsletter semanal]
A continuación, se presentan siete formas en que una organización que se inicia en el análisis en tiempo real puede evitar los errores más comunes y conducir la tecnología hacia su máximo potencial.
1. Limitar el análisis en tiempo real a los casos de uso relevantes
Los líderes de negocio y de TI están a menudo tan enamorados de la velocidad, que insisten en que todos los datos se entreguen en tiempo real. En algunas situaciones, ofrecer análisis en tiempo real no solo es un desperdicio de dinero, sino también contraproducente.
"Por ejemplo, poner el informe de ingresos financieros en un entorno de análisis en tiempo real puede no ser apropiado, especialmente si los pedidos se cancelan, se mueven o se manipulan con frecuencia", comenta Theresa Kushner, directora senior de inteligencia de datos y automatización del proveedor de servicios empresariales y de TI, NTT Data Services. "¿Cómo reaccionaría el director de ventas cuando un minuto ha alcanzado su objetivo y al siguiente, en tiempo real, ha bajado al 88%?".
Al comprender qué analítica puede beneficiarse realmente del apoyo en tiempo real, TI puede garantizar que las iniciativas de analítica en tiempo real generen un valor significativo para la empresa. "Al igual que cualquier esfuerzo de análisis, es necesario tener una estrategia para lo que el análisis producirá, y qué decisiones se tomarán a partir de los análisis", concluye Kushner.
2. Construir una infraestructura sólida y fiable
La decepción puede producirse cuando una empresa, que espera obtener información precisa en tiempo real, no logra alcanzar estos objetivos simplemente porque su infraestructura no está a la altura de los niveles de rendimiento previstos.
Para garantizar el éxito a largo plazo de la analítica en tiempo real, la arquitectura subyacente debe soportar la manipulación, la ingestión y el procesamiento de datos en tiempo real, afirma Dan Simion, vicepresidente de IA y analítica de la empresa de consultoría empresarial Capgemini North America. "Los modelos también deben construirse para soportar el procesamiento de datos en tiempo real, y las fuentes de datos deben ser realmente en tiempo real, no en tiempo casi real o en lotes generados diariamente", añade.
3. Implantar cuadros de mando aplicables
Antes de seguir adelante con cualquier iniciativa de análisis en tiempo real, el responsable del proyecto debe ponerse en contacto con los usuarios finales para identificar los tipos de cuadros de mando que necesitan. "Armado con esa información, el responsable de TI puede hacer que su equipo revise los requisitos de captura de datos de la fuente de datos, y se asegure de que la solución de análisis en tiempo real puede proporcionar la información que el usuario final necesita en los formatos exactos que necesita ver", afirma Rich Temple, vicepresidente y director de informática del Deborah Heart and Lung Center.
Temple explica que este enfoque permite al departamento de TI situar al usuario final en el centro del debate sobre el análisis. "En lugar de imponer una solución de análisis que pueda interrumpir el flujo de trabajo de un usuario, hacer el trabajo de campo para identificar las necesidades y ofrecer ideas sobre lo que es posible antes de intentar comprar y desplegar un sistema de análisis dará lugar a análisis que se dirigen exclusivamente a las necesidades individuales de los usuarios", anota.
4. Combinar datos en tiempo real con datos históricos
El valor de los datos en tiempo real aumenta exponencialmente cuando se combinan con los datos históricos, lo que permite a los usuarios finales combinar y comparar perspectivas "en el momento", señala James Corcoran, vicepresidente senior de ingeniería de KX, un desarrollador y proveedor de software de análisis de datos.
Pensemos, por ejemplo, en los datos de temperatura transmitidos por un sensor integrado en una máquina. "Entender esos datos en tiempo real es útil para comprobar que la máquina funciona con eficacia o que no se ha alcanzado un umbral de temperatura", explica Corcoran. Cuando los datos históricos se mapean a lo largo de días o semanas, los responsables de la toma de decisiones pueden obtener una comprensión más rica de cómo está funcionando una máquina en particular. "También se pueden crear modelos predictivos basados en otros perfiles de rendimiento de la máquina", añade.
Corcoran describe esta metodología como "inteligencia continua", es decir, la capacidad de tomar decisiones más inteligentes derivadas de los conocimientos obtenidos del análisis de los datos, ya sean en tiempo real, históricos o ambos, en un plazo lo más breve posible.
5. Incorporar datos internos y contextuales
Los responsables de TI deben asegurarse de que su práctica analítica pueda ingerir no solo datos internos, sino también datos contextuales relacionados con la competencia, los mercados, los segmentos de clientes y los puntos de datos del censo, para proporcionar un conjunto completo de hechos y tendencias, sugiere Sumit Anand, CIO de la cadena de tiendas de decoración residencial At Home. "También debería haber una aportación directa a la hoja de ruta tecnológica de la organización y al plan financiero a largo plazo", añade.
A lo largo de semanas y meses, el acceso a datos internos y contextuales en tiempo real, ricos en conocimientos significativos, puede transformar el proceso de toma de decisiones de una organización, afirma Anand. "Este enfoque es eficaz porque se centra en la transformación de la cultura de una organización al convertirse en más impulsada por los datos, basada en los hechos, y macro-consciente de su panorama empresarial".
6. Centrarse en la entrega de información material
Un concepto tomado del derecho y la contabilidad, la "información material" es aquella que hace que el receptor cambie su forma de pensar sobre un asunto concreto, o altere su juicio o curso de acción. "El receptor hará algo en respuesta a la información material", sostiene Kenneth McGee, investigador de la empresa de investigación y asesoramiento Info-Tech Research Group.
Por ejemplo, es posible que el indicador de aceite de un vehículo solo se compruebe una vez, si es que lo hace, en el transcurso de un viaje. Es una información estática. "Pero si se enciende o suena una alarma, el conductor se planteará inmediatamente buscar una solución en la siguiente salida", explica McGee.
Los directivos y gerentes están inundados de información, demasiada para poder absorberla por completo. "Sin embargo, solo... una cantidad muy pequeña de información material necesita ser analizada en tiempo real para garantizar el éxito", señala McGee.
7. Crear un equipo de análisis que comprenda las necesidades clave de la empresa
El equipo de análisis debe ser un verdadero socio, no un simple receptor de órdenes. "Cuando el equipo de análisis se ve como un facilitador del negocio y no como un centro de costos, la empresa estará dispuesta a invertir más en recursos humanos y tecnología para apoyar la función de análisis", aconseja Kathy Rudy, socia y directora de datos y análisis de la empresa de investigación y asesoramiento tecnológico Information Services Group.
La mejor manera de garantizar el éxito a largo plazo es dotar al equipo de análisis de conocimientos sobre el negocio para que pueda proporcionar inteligencia relevante, afirma Rudy. "Cuanto más sepan sobre el negocio, mejor serán a la hora de ofrecer análisis que importen".
Con el tiempo, un equipo de analítica bien respaldado adquirirá la capacidad de proporcionar datos cada vez más relevantes que permitan a los responsables de la toma de decisiones tomar medidas rápidas y bien informadas. "Esto incluye la aportación de datos de mercado a través de conexiones API y el raspado de datos, para apoyar la analítica generada internamente", comenta Rudy. "Ser un socio a través de la analítica en tiempo real y decirle a su equipo ejecutivo cosas que no sabrían por sí mismos, o que ni siquiera se les ocurriría preguntar, le convertirá en una estrella del rock".
Puede ver también: