Sin datos no hay big data business intelligence business analytics data analytics

El inicio de Business Intelligence comenzó a principios de la década de 1980 en los departamentos internos de TI de las grandes compañías, que procesaban datos por lotes al final del día (o de la semana) para la planificación de los recursos de fabricación (MRP, Manufacturing Ressource Planning), que pronto se expandió hasta llegar a convertirse en la planificación de recursos empresariales (ERP, Enterprise Ressource Planning).

A medida que las aplicaciones ERP incorporaban más y más funciones de la organización (contabilidad, finanzas, marketing, comercial…), se generaban más y más datos, y los profesionales de los departamentos de TI se sentían abrumados por las solicitudes de información cada vez más actualizada.

Si avanzamos rápidamente, hasta situarnos en el siglo XXI, nos encontramos con que los profesionales de empresa esperan que se le proporcione información actualizada al minuto. Así que es evidente que algo tenía que cambiar en estas décadas.

Ya no es aceptable, como ocurría en la década de 1980, esperar varias semanas para incorporar los datos, procesarlos… y obtener un informe. Para entonces, el negocio podría haber cambiado.

Con el vertiginoso cambio en el entorno empresarial de hoy en día, Business Intelligence ha perdido interés para los diferentes departamentos de la empresa, por tres motivos principales:

  1. La falta de “autoservicio” exige que, cada vez que necesiten elaborar un informe, deban pasar por el departamento de TI para que les proporcionen información y datos.
  2. Obtener los datos requiere demasiado tiempo, y lo que se necesita hoy es agilidad.
  3. No hay visualización suficiente. Los gráficos circulares y de barras son factibles, pero no son suficientes. Es necesaria la capacidad para realizar presentaciones visuales complejas.

La necesidad de acceder a datos actualizados, y una presentación cada vez más compleja, ha llevado a un cambio en Business Intelligence, y este cambio ha proporcionado al usuario de la empresa una mayor flexibilidad.

Además, la llegada de la computación en la nube (Cloud Computing) ha hecho posible que los departamentos de TI hayan evolucionado, pasando de un modelo de comando y control de acceso a la información, a un modelo mucho más fluido.

Y la evolución tecnológica también ha hecho posible el uso de datos para realizar un trabajo mucho más predictivo (Predictive Analytics). Sin embargo, realizar este trabajo requiere, al menos, un par de años de datos actualizados y de calidad, para así realizar pruebas y cálculos del modelo. Si llevamos años sin almacenar datos, resulta imposible hacer una predicción significativa.

Por ello, es necesario que la alta dirección participe activamente en el proceso, y no dar por hecho que se trata únicamente de una función del departamento de TI.

Por otro lado, también es absolutamente necesario el control de calidad de los datos. Si tenemos problemas de calidad de datos, el informe que se genera no será bueno, y perderá credibilidad entre los responsables de la toma de decisiones. Así pues, debemos asegurarnos de realizar un perfilado de datos, y de que disponemos de un modelo para el enriquecimiento de los datos, así como una solución para los problemas con los datos.

En el pasado, lo habitual era gastar dinero en la infraestructura, y posteriormente buscar un “caso de uso”. La computación en la nube ha cambiado esto, y ha hecho posible el desarrollo rápido de prototipos y la construcción del “business case” antes de invertir en construir la infraestructura.

Para finalizar, remarquemos que las iniciativas Business Intelligence y Data Analytics deberían contemplar, al menos, los tres objetivos siguientes:

  1. Ayudar a aumentar los ingresos.
  2. Contribuir a la reducción de costes.
  3. Medir las mejoras en los servicios prestados.

Si nuestro proyecto de Business Intelligence, Data Analytics o Business Analytics no cumple ninguno de los tres, entonces estamos desperdiciando nuestro dinero y nuestro tiempo.