Business Intelligence (BI) puede ayudar a desenterrar los tesoros de datos en las empresas. Con este propósito, Business intelligence (inteligencia de negocio, inteligencia empresarial) a menudo combina información de una amplia variedad de fuentes, permite realizar rápidamente análisis, y puede proporcionar una visión general del desempeño actual a través de dashboards (cuadros de mando, cuadros de indicadores). Veamos qué es Business Intelligence, para qué sirve y qué ventajas ofrece.

Antes veremos por qué la hoja de cálculo, una herramienta tan extendida, no es particularmente para esta tarea. Y, a continuación, mostraremos qué pueden aportar las herramientas específicas de Business Intelligence.

¿Por qué Business Intelligence?

Business Intelligence, o BI, es una de las palabras de moda en torno a la digitalización. Y esto está más de justificado. Después de todo, la cantidad de datos que se crea en las empresas es inmensa. Muchos se refieren habitualmente a los datos como el nuevo petróleo. Pero, ¿de qué sirve tener muchos pozos de petróleo si no se dispone de las herramientas adecuadas de extracción?

Durante mucho tiempo ha sido parte del negocio diario generar, guardar y usar datos en una amplia variedad de sistemas. Casi todos los eventos están documentados: conversaciones con clientes y clientes potenciales en un CRM, llamadas telefónicas, reuniones, visitas a sitios web, estado de los proyectos, etc.

Ya hay datos extensos disponibles en la mayoría de los casos. Sin embargo, lo que falta es su vinculación significativa y análisis práctico.

Por cierto, la hoja de cálculo sigue siendo la herramienta dominante para el análisis de datos, sobre todo en las pymes. ¿Por qué vemos esto como un problema? Lo veremos enseguida. Y también veremos cómo puede organizarse adecuadamente Business Intelligence, para qué sirve y qué ventajas ofrece.

Hoy, en las empresas, el éxito se fundamenta en un análisis de datos inteligente que proporcione mucho valor. El análisis continuo de datos específicos de la empresa ayuda a identificar, de manera preventiva, dónde nos están esperando las oportunidades… y dónde nos acechan los peligros. El éxito tiene una serie de factores que deben cumplirse. Entre otras cosas: agilidad por parte de las empresas, equipos y personas. Todavía hay mucho potencial en la implementación práctica.

Business Intelligence en la pyme

El cualquier caso, los fundamentos técnicos ya están disponibles. Ha habido un progreso notable en los últimos años (y décadas), particularmente con respecto a la “eficiencia” y el “tamaño” de la cantidad de datos sin procesar que se podríamos aprovechar como nuestra materia prima más valiosa. Desde el inicio de la década de 2000, el coste por registro en los sistemas informáticos ha tendido a cero, y la capacidad de cálculo se ha incrementado exponencialmente.

En la mayoría de los casos, a esta inmensa potencia informática solo se accede en un porcentaje de un único dígito. ¿Por qué? Una de las razones es la existencia de silos de datos.

Silos de datos

Como su nombre indica, los silos de datos son datos delimitados y separados en un sistema, como los datos de un CRM, los datos del ERP, etc. Cada silo de datos contiene sus propios datos y, posiblemente, también sus propios análisis.

La razón de esto radica en el habitual entorno variado de software, así como en una inadecuada integración de datos. Pero, ¿qué significan estos datos en el contexto general de la empresa? Si los miembros individuales del equipo detectan silos de conocimiento, los denominados cuellos de botella, generalmente se realizan intentos directos para compartir el conocimiento y distribuirlo a otros miembros del equipo. Pero, ¿por qué no se hace nada para fusionar los silos de datos?

La hoja de cálculo

La hoja de cálculo es una de las herramientas empresariales más utilizadas. Se utiliza en la práctica totalidad de las empresas. frecuentemente, los datos se recopilan manualmente (o, en ocasiones, utilizando macros), y son agregados y sintetizados para realizar análisis y elaborar informes. Su aceptación y popularización generalizadas convierten a la hoja de cálculo en una herramienta versátil (a primera vista) para realizar análisis y elaborar informes empresariales.

Sin embargo, cuantas más plataformas, sistemas, logins y silos de datos haya, más difícil será unirlos en un único sistema. En este punto, las hojas de cálculo llegan a sus límites naturales. Las desventajas de las hojas de cálculo como herramientas de Business Intelligence se pueden clasificar de la siguiente manera:

  • Fiabilidad de los datos. Los datos en tablas cambian con el tiempo. Se agregan nuevas entradas, se eliminan las antiguas y, algunas, incluso cambiar los valores después. Con el tiempo, y con la creciente participación de otros usuarios, es casi imposible saber qué versión es la correcta (“versión única de la verdad”).
  • Complejidad de los datos. Según cómo evolucionen los datos (por ejemplo, más fuentes, más macros, fórmulas más complejas con acceso a diferentes hojas de cálculo y tablas), más difícil es eliminar errores e inconsistencias y encontrar su origen.
  • Colaboración y accesibilidad. En general, las hojas de cálculo están diseñadas para un usuario a la vez. Por lo tanto, no es posible trabajar con varias personas en una hoja de cálculo al mismo tiempo, lo que lleva al envío de hojas de cálculo por correo electrónico, o a su archivo en carpetas de red con acceso compartido. Esto, a su vez, resulta en la creación de numerosas versiones para diferentes usuarios, con resultados potencialmente conflictivos. Algunas herramientas intentan cerrar esta brecha llevando hojas de cálculo a la nube. Sin embargo, esto plantea problemas potenciales con la seguridad de los datos.
  • Derechos de acceso. Las hojas de cálculo solo ofrecen derechos de acceso muy simplificados, es decir, derechos de escritura o lectura, así como protección con contraseña. No está prevista la gestión compleja de usuarios a nivel de datos. Esto, a su vez, conduce a diferentes tablas de hoja de cálculo para diferentes usuarios, con diferentes datos y posibles fuentes de error.
  • Funcionalidad. Los informes generados son estáticos en la hoja de cálculo de forma predeterminada. La comparación de diferentes períodos, proyectos, equipos, productos, regiones, etc., es factible, pero bastante engorrosa. Un análisis de datos completo solo es posible con mucho tiempo. Si el informe también debe ser interactivo hasta cierto punto, esto requiere un amplio conocimiento y mucho tiempo de implementación.
  • Datos relacionados. Combinar y fusionar diferentes tipos de datos, construir relaciones entre diferentes fuentes, es muy difícil.
  • Escalabilidad. Cuanto más complejos se vuelven los registros de datos, más difícil es para los ordenadores o las tablets locales llevar a cabo el procesamiento de manera receptiva y sin problemas.
  • Publicación de datos. No es posible la publicación automática de informes y datos en otros sistemas (intranets, blogs, sitios web, aplicaciones de terceros) o el envío por correo electrónico a destinatarios predefinidos.

Desafíos en reporting

Los informes regulares, especialmente los que se envían a intervalos más largos, siempre son como mirar por el espejo retrovisor. Ciertamente, tienen derecho a existir. Son útiles cuando se trata de echar una mirada retrospectiva a un período, cuyo análisis no es crítico en el tiempo. En aras de la claridad, este es un medio común para los resúmenes de gestión, como en control de gestión: los informes son muy dignos/confortables con un puñado de KPI. Pero, ¿están los destinatarios realmente preocupados por las cifras, o es solo una verificación de que todo está en la “zona verde”?

Todo esto se interpone en el camino de una forma ágil de trabajo, ya que los informes ya están desactualizados cuando se envían. Y, rara vez, se realizan informes sobre previsiones.

Lo mismo se aplica a las anormalidades o a las desviaciones. Si se reconocen tales desviaciones, es posible una comparación con el período anterior en la mayoría de los casos. Todo lo demás, generalmente, no forma parte del informe y, en casos, especiales genera un esfuerzo adicional considerable.

Esto nos lleva al quid de la cuestión: los informes no son dinámicos per se. Representan una sección específica (en términos de contenido y tiempo) de la realidad. Si hay una desviación estándar elevada en los datos, debe investigarse manualmente cómo se produjo. Los desgloses sobre ciertos grupos de datos, o comparaciones adiciones adicionales, no están disponibles y deben implementarse manualmente. Desafortunadamente, una hoja de cálculo no puede representar la lógica de una herramienta de Business Intelligence.

Business Intelligence para la mediana empresa

Bien, ahora dejemos es “espacio del problema”, y avancemos hacia el “espacio de la solución”.

Conectar islas de conocimiento

La mayor ventaja de Business Intelligence radica en la conexión de los silos de datos ya mencionados. Comencemos con un ejemplo supuestamente trivial. Google Analytics es una de las herramientas principales de este siglo XXI. La integración de los scripts correspondientes en nuestra propia página de inicio es, en parte, automática. Pero, ¿también se usan los datos?

Imaginemos qué valor añadido puede generar la vinculación de datos de Google Analytics con las cifras de ventas del ERP y los datos de clientes del CRM:

  • Con el análisis web, podemos entender exactamente cómo los visitantes del sitio web navegan por las páginas, dónde salen y dónde se quedan.
  • El ERP también proporciona información sobre cómo se utilizan los recursos disponibles de la compañía. Esto permite comprender, por ejemplo, qué productos / servicios se ordenaron, y por quién.
  • El CRM también muestra cómo se llevó a cabo la comunicación con los clientes.

Si conectamos estos silos de datos con una herramienta de Business Intelligence, podemos fácilmente visualizar y comprender todo el recorrido del cliente. Posteriormente, el análisis revela potencial de mejora en todas las subáreas. ¿Dónde están las ambigüedades del sitio web? ¿Cómo de fácil es el proceso de pedido? ¿Cuánto tiempo se tarda en enviarlo al cliente? ¿Hay alguna devolución? ¿Por qué se devuelven artículos? ¿Qué tan felices son los clientes? Y así.

El poder de los dashboards

Los dashboards suelen ser la pieza clave en las herramientas de Business Intelligence. Los cuadros de indicadores combinan análisis temáticamente relacionados. Estos, a su vez, se alimentan de los diversos silos de datos y los hacen tangibles por primera vez.

Los dashboards son ideales para la visualización de proyectos, departamentos (marketing, ventas, producción, finanzas…), o desempeño y operaciones. Lo más destacado: cada cuadro de mando puede adaptarse a los grupos de destinatarios correspondientes, como la dirección, los ejecutivos, los jefes de equipo, etc., mediante filtros y la gestión de usuarios específicos. Esto significa que todo el mundo siempre las cifras que son relevantes para ellos, y eso prácticamente con sólo pulsar un botón. Los casos de uso son casi infinitos.

Los dashboards también pueden ser interactivos de varias maneras. Esto va desde la simple visualización de valores cuando se apunta con el mouse, hasta el uso de valores de gráficos individuales seleccionados como complejas opciones de filtro a las que responde todo el dashboard, permitiendo la creación de un desglose específico para el usuario.

Esta interactividad también hace que los números y los datos, de repente, sean mucho más atractivos y efectivos. Esto anima a todos a mirar seriamente las muchas facetas de los datos de los negocios, y no solo a esperar el informe mensual.

Ventajas y desventajas de Business Intelligence

En los últimos años, se ha observado en general que el campo del análisis de datos se ha desarrollado más rápidamente que nunca. Se han lanzado numerosas soluciones de Business Intelligence, especialmente como Software as a Servie (SaaS). Las soluciones de análisis de datos ya no son productos de nicho, y son cada vez más fáciles de usar para los usuarios finales: desde el primer contacto con la solución de Business Intelligence, hasta el análisis final, solo necesitamos minutos, no días. Este cambio en las soluciones de Business Intelligence es muy bienvenido, porque, de lo contrario, la no utilización se justifica a menudo por la falta de tiempo y conocimientos.

Estas herramientas dependen cada vez más del registro a través de Facebook, Twitter o Google, para conseguir rápidamente nuevos usuarios. También se ocupan de reducir considerablemente el tiempo necesario para el primer análisis, integrando rápida y fácilmente los datos existentes, por ejemplo, mediante Google Sheets, archivos CSV y Excel, o importadores genéricos de SQL. Este enfoque reduce notablemente el obstáculo técnico de las herramientas, y las abre cada vez más a las pequeñas y medianas empresas, a los usuarios particulares y a los no profesionales. Además, las interfaces de usuario se han simplificado en gran medida.

Otra tendencia es el intento de generar análisis significativos de forma completamente automática a partir de los datos dados. El espectro abarca desde la ejecución de prueba y error, hasta el uso del aprendizaje automático (Machine Learning).

Además de tales ventajas, también hay, por supuesto, desventajas. En Business Intelligence, el análisis es tan bueno como los datos proporcionados. Si, por ejemplo, la base de datos es inconsistente, incompleta, o no refleja el mundo empresarial real, es lógico que los análisis no ofrezcan ningún valor añadido.

Sin embargo, también hay una ventaja en esto: las herramientas de Business Intelligence pueden hacer que estas inconsistencias sean visibles inmediatamente. Equipados con estos nuevos conocimientos, las medidas de mejora pueden entonces abordarse de manera muy específica, al menos para los datos internos en el primer paso.

Las antiguas desventajas, como las complejas e incomprensibles interfaces de usuario, el largo periodo de instalación y puesta en marcha, o los elevados costes de las licencias son, en gran medida, cosa del pasado.

Flexibilidad en la pantalla

Las herramientas de Business Intelligence son ahora tan sencillas, que casi cualquier miembro del equipo, puede crear sus propios cuadros de mando mediante la función de arrastrar y soltar. En muchos casos, los analistas de datos dedicados ya no son necesarios. Algunas herramientas incluso ofrecen automáticamente sugerencias para visualizaciones basadas en los datos seleccionados.

El único requisito previo para realizar análisis significativos: los usuarios deben conocer el contenido de la base de datos en general, y saber qué datos se recogen detrás de los términos. Los datos de la empresa se vuelven rápidamente complejos. A medida que aumenta el número de fuentes de datos conectadas, la complejidad aumenta naturalmente, al menos aún.

Las primeras herramientas están trabajando a fondo para integrar y perfeccionar constantemente los conceptos del mundo de la inteligencia artificial. El objetivo es que el software pueda reconocer de forma independiente en el futuro qué visualizaciones ofrecen el mayor valor añadido para los datos respectivos.

Transparencia donde/cuando sea necesario

La transparencia es excelente en todos los sentidos, si es posible. Dependiendo de la empresa, existen varias premisas con respecto a, por ejemplo, la protección de datos y la confidencialidad. Esto es especialmente cierto cuando se procesan datos sensibles de la empresa. En consecuencia, la herramienta de Business Intelligence utilizada debe tener una gestión de usuarios que se pueda configurar de forma muy precisa. Se distingue, por ejemplo, entre los niveles de dashboards, usuarios, grupos y acceso de datos. Dependiendo del nivel, el contexto de los datos se puede configurar individualmente. El tema se vuelve aún más sensible y complejo cuando las herramientas de Business Intelligence se alojan en la nube.

Conclusión

Las herramientas de Business Intelligence han recorrido un largo camino: desde complejas aplicaciones profesionales en el contexto corporativo y de investigación, hasta aplicaciones simples de uso final para usuarios particulares que se ejecutan en la nube.

Todas las mejoras de los últimos años respaldan la muy bienvenida manera de hacer que las herramientas de análisis de datos estén disponibles lo más ampliamente posible.

Queda por ver qué progreso traerá el aprendizaje automático (Machine Learning) y qué podemos esperar ver en a la hora de realizar previsiones. Sin embargo, ya no está lejos del análisis totalmente automatizado.

Lo que todavía falta son propuestas de acción específicas para cada empresa.

Business Intelligence: para qué sirve y qué ventajas ofrece