StratNews
“Las últimas noticias de nuestra comunidad de especialistas”
Guillermo Yáñez
Manejo de Datos vs. Inteligencia de Negocios
Podemos afirmar que muchas empresas utilizan información, manejan indicadores de desempeño y bases de datos de diversas fuentes para el manejo de su negocio; ser una empresa que usa información para la toma de decisiones es hoy el status-quo. Pero si las compañías que quieren pasar al siguiente nivel, deben establecer procesos y herramientas que le permitan transformar datos almacenados en información, esa información en conocimiento, y ese conocimiento en una estrategia con metas e indicadores que puedan nutrir el crecimiento de la empresa.
Cuando se dispone de mucha información, pero poco conocimiento, pocas acciones de negocio, y la falta de aprendizaje para mejorar cuando finalmente se generan acciones, es síntoma para transformar a la empresa a través de sistemas eficientes de Inteligencia de Negocio (BI).
Por lo general hoy en día las empresas enfrentan retos comunes para accionar y establecer mecanismos de gestión en la toma de decisiones y aprendizaje efectivos:
- Disponibilidad de datos, pero carencia de capacidad de encontrar patrones de comportamiento, rastrear, entender, administrar y contestar aquellas interrogantes con el fin de averiguar no sólo el QUÉ, sino también el PORQUÉ del desempeño de la empresa.
- Fragmentación – Se poseen aplicaciones independientes por departamento, pero se carece de una visión global de la empresa generando DISTINTAS VERSIONES DE LA VERDAD.
- Manipulación Manual – Esta práctica conlleva la exportación de datos a distintas herramientas que resultan en procesos lentos, costosos, duplicación de trabajo, poca confiabilidad, propensos a errores y sujetos a la interpretación individual resultando en diagnósticos diversos de las oportunidades de la empresa.
- Poca Agilidad – Debido a la carencia de información, la fragmentación, la manipulación manual, se mantiene un nivel de rendimiento bajo… ya cuando apenas se está llegando a resolver un cuestionamiento, surge otra pregunta o necesidad de incorporar una nueva variable y se repite el viacrucis.
- Soluciones Complicadas – Los usuarios le ruegan a los expertos de informática que hagan los reportes por ellos. El tiempo avanza, y para cuando los reportes están listos, ya son obsoletos.
- Complejidad en la visualización de la información – Muchas veces los reportes o cuadros de mando están cargados de indicadores, pero no son eficientes para explicar por qué sucedió algo y ayudar a descubrir la causa de raíz detrás del resultado.
- Acceso Limitado – Actualmente los usuarios trabajan virtualmente desde cualquier lugar, siempre están conectados, esperan tener acceso a todos los datos que necesitan, cuando los necesitan, y usando el dispositivo de su preferencia. El no contar con acceso móvil de su información desde cualquier dispositivo se vuelve una limitante.
- BIg data y combinación de datos complicados – Los almacenes de datos tradicionales no pueden albergar la gran variedad de tipos, fuentes, volúmenes de datos que existen en la actualidad. El BIg data puede provocar a los usuarios que se rindan, pidan ayuda a los expertos de Informática, o que tengan miedo de profundizar en los analíticos.
- Mala comunicación con las áreas de Informática – Mas allá de las implicaciones del BIg data, la comunicación entre los usuarios empresariales y los profesionales de Informática no es siempre la mejor. Así cuando se trata de responder a una solicitud se encuentra más tarde que no era lo que el usuario realmente quería – se establece un ciclo repetitivo y tardado que desgasta a los equipos.
- Estructuras de datos ineficiente – Crear estructuras complejas de los datos usando métodos tradicionales puede requerir mucho tiempo; mismo que se extiende aún más cuando se crean cubos multi-dimensionales en línea (OLAP) no triviales más aún cuando se generan versiones nuevas en cada interacción con los usuarios. El proceso pospone los ciclos de análisis y por tanto de toma de decisiones.
- Carencia de visión a futuro – Sólo se toman decisiones para aspectos puntuales de la gestión del negocio por carecer de una visión de futuro y una capacidad de anticipación. Una toma de decisiones eficiente exige una visión a largo plazo que permita visualizar los escenarios que se generarán tras posibles decisiones tomadas y las nuevas necesidades que dichos cambios ocasionarán.
Resolver todos estos padecimientos forman parte del proceso de transformación que conlleva la correcta de implementación de un sistema de BI.
Existe gran diversidad de enfoques metodológicos para implementar proyectos de BI que, a veces, es difícil elegir con cuál trabajar. En lugar de elegir una metodología a priori, lo mejor es evaluar cuál es la que más se ajusta a cada proyecto y a cada empresa. No existe una solución única, se requiere de una estrategia de negocios y cultura de trabajo orientados a compartir y aplicar el conocimiento adquirido en acciones de mejora.
Las generaciones pasadas implementaron procesos de sólo 3 pasos (captura, cura y análisis de datos) llevándolos sólo al nivel de madurez impulsado por los datos terminando en no tener éxito independientemente del tipo de empresa de que se trate o de la solución seleccionada. En nuestra experiencia podemos afirmar que hoy, un proceso completo de BI como modelo para la gestión de Toma de Decisiones, se compone al menos de 6 pasos:
1. Experimentación y Aprendizaje continuo
Interrogar cada paso en el proceso, así como acciones y decisiones tomadas para experimentar o simular ajustes y aprender.
2. Obtención de Datos
Incluye todos los procesos orientados a integrar información dispersa y que puede tener problemas de integridad, calidad de datos, etc., o a capturar información no existente previamente. Dentro de esta parte se incluirían todas las tecnologías relativas a ETL[1], a las tecnologías tendentes a asegurar la integridad y calidad de la información y a los diferentes sistemas de captura de información utilizable por sistemas BI.
[1] ETL: Extracción, Transformación y Carga de datos.
3. Manejo de la Información
Incluye todas las tecnologías relacionadas con Bases de Datos, Modelos Multidimensionales, sistemas de agregación de información, etc.
4. Visualización y Distribución
Por supuesto que toda la información debemos visualizarla para poder hacer algo con ella, pero también debe poder ser compartida a toda la empresa.
5. Análisis de la Información
Es probablemente el área que dio origen a la denominación de BI…, pero por desgracia es un aspecto en muchos casos irrelevante de los proyectos de BI, siendo sustituida la capacidad de análisis en manos de los gestores, por multitud de “fotos fijas” que presentan información puntual. A pesar de ello, es parte inherente a todo proyecto de BI.
6. Gestión de las decisiones adoptadas
Una vez adoptada una decisión queda ponerla en marcha y gestionar su ejecución. Esta es el área que cierra el ciclo y que nos permite tener una tecnología capaz de gestionar todo el proceso. La parte final de todo proceso de análisis es la acción, pero si dejamos la gestión de las acciones fuera del proceso de BI, difícilmente vamos a poder cerrar el círculo y realimentar nuestro sistema.
Figura: Proceso de Inteligencia de Negocios orientados a Insights.
Pensar que el trabajo se ha terminado una vez terminada la implantación del proyecto de BI es la mejor manera de garantizar el fracaso del mismo. Como todo sistema, se deben ir corrigiendo de manera dinámica los defectos y carencias tras su implementación inicial. En la media que un proyecto de BI se retroalimente en cada ciclo del negocio, y cuente con el compromiso de todos los equipos involucrados y su participación activa, incluyendo por su puesto el de la alta gerencia, el proyecto tendrá el éxito deseado.
La exhortación es ser agentes de cambio organizacional identificando aquellos factores que permitan el desarrollo pleno de la empresa utilizando el más valioso de los recursos, la información.
En StratBranding ayudamos a nuestros clientes en el proceso de transformación del manejo de datos a manejo de conocimiento accionable. Nos apoyamos de información disponible y damos consultoría en procesos de investigación para la detección y monitoreo de indicadores clave en la toma de decisiones dentro de un sistema de BI.
StratBranding, es una firma de consultoría estratégica en Insights, Analytix, Marketing & Trade, enfocada en convertir las necesidades del consumidor en oportunidades de mercado.
¡Comparte esta publicación!
Guillermo Yáñez: es un profesional ampliamente experimentado en estrategias de consumo en la industria de bienes de consumo (FMCG). Experto en el manejo de Business Analytics, Brand Building / Arquitectura, Innovación, Consumer Insights y Ciencia de datos aplicada.
Cuenta con estudios de Licenciatura en Ciencias Actuariales (ITAM). Mathematics & Marketing Minors (Pace University of New York), Advertising and Segmentation Research Seminars (Burke Institute- NY) y Price Management & Shopper Insights (PepsiCo University).
Colabora con StratBranding desde hace más de 2 años ayudando a convertir los datos en insights para dar lugar a poderosas ideas que contribuyan al crecimiento de las marcas de los clientes, identificando oportunidades que sirvan para crear experiencias de marca mejoradas.
Antes tuvo una larga y brillante carrera de 25 años en PepsiCo, siempre en el área de insights, precedida por 2 años como Gerente Junior de investigación en Colgate-Palmomlive, con lo que suma casi 30 años de continuo desarrollo profesional.