Skip to main content
ico

Analítica en los negocios

Tendencias25-07-2016

Por Katherine Alejandra Blandón López
Analista de Investigación y Desarrollo Logístico / Renting Colombia
 

Analítica en los negocios

Todos los días en las organizaciones se generan grandes cantidades de información, que logra ser útil cuando está acompañada de una adecuada gestión.

Desde el nacimiento del concepto de “base de datos” en 1969, las empresas han mostrado un interés creciente en la administración de su información en todos los niveles, donde buscan generar gran impacto en la relación con el cliente y la visión a futuro de la compañía. Bajo este escenario, los tomadores de decisión se enfrentan a un gran desafío: convertir la incertidumbre en estrategia organizacional.

A este problema se ofrece como solución el análisis de datos, definido como un proceso estructurado, analítico, científico y formal, que facilite la toma de decisiones, que integre todas las áreas de la empresa y que, a su vez, sea compatible con los objetivos estratégicos de la organización. (Urquizu, 2016).

El reto empresarial aumenta con el desarrollo de nuevas tecnologías. Hoy en día es posible tomar decisiones no solo basadas en la información organizada bajo el Modelo de Datos Relacional (datos relacionados en tablas compuestas por filas y columnas), definido por Edgar Codd en 1970, sino en la que está dispersa a todo lo largo y ancho de la organización en forma de documentos impresos, cartas, hojas electrónicas, imágenes digitalizadas, fotografías, formularios especiales, mensajes de correo electrónico, reportes, vídeo, voz, audio, etc., y en las interacciones de millones de usuarios en toda la red. Son llamados “datos no estructurados”. (Alexander Ambriz Rivas, 2013).

Estos contenidos se producen segundo a segundo en cantidades inimaginables para el cerebro humano. Este año se estima que la información producida en internet alcanzará el tamaño de un zettabyte. (Cisco Visual Networking Index, 2016). Mark Liberman, profesor de Fonética en el Departamento de Lingüística y profesor en el Departamento de Ciencias de Computación e Información en la Universidad de Pensilvania, afirma que solo serían necesarios 42 zettabytes para guardar en archivos de audio todas las palabras pronunciadas por los humanos desde el inicio del lenguaje.

Analítica en los Negocios

Ilustración 1: What happens online in 60 seconds?
Fuente: Robert Allen. Smart Insights. Abril 20 de 2016.

¿Cuáles son esas nuevas tecnologías? ¿Qué herramientas existen para el análisis de información organizada y no estructurada?

Business Intelligence, Big Data y Business Analytics

Estos tres conceptos fueron creados para ilustrar diferentes maneras de tratar grandes volúmenes de información y extraer valor de ellos. Juntos conforman la novedosa “ciencia de los datos” (data science), que combina estadística con informática (programación y minería de datos) y el adecuado conocimiento de los objetivos y estrategia organizacional (gestión de alto nivel) para catapultar a las empresas a la siguiente categoría en la toma de decisiones.

Juan Miró, director de ventas de Infor, el tercer proveedor más importante de aplicaciones empresariales y servicios en el mundo, en un artículo escrito para la revista digital TICBeat, define la importancia de la ciencia de los datos:

“En lugar de limitarse a entender por qué pasa algo, el data science permite a las organizaciones predecir qué ocurrirá, y ofrece sugerencias sobre lo que se puede hacer al respecto. No se trata únicamente de tomar mejores decisiones, sino también de reducir la carga de trabajo necesaria para tomar tales decisiones. Estas capacidades reconocen la complejidad inherente del análisis Big Data pero hacen que las soluciones sean accesibles a los usuarios. Lo consiguen al analizar los datos con un riguroso enfoque científico, pero proporcionan a los usuarios una explicación de por qué una decisión es más recomendable en términos que pueden ser universalmente entendidos. Es vital que la solución sea intuitiva y accesible. Si no, simplemente no se usará.

El data science debe tener en cuenta, además, que la solución final necesita evolucionar. Es decir, no solo debe tener un valor medible (y reportable) para el negocio, sino que debe tener también métricas internas que sirvan como fuente de información para la mejora automatizada. Si no, incluso la mejor solución terminará por quedarse obsoleta”. .

En los siguientes párrafos ilustraremos estas técnicas de manejo de datos y veremos la relevancia de sus contribuciones al desarrollo organizacional.

Business Intelligence

Es un concepto creado en 1989 por Howard Dresner, un investigador de Gartner Group, que popularizó el acrónimo de BI (Business Intelligence) para definirlo como “Conjunto de estrategias y métodos para mejorar la toma de decisiones, utilizando sistemas de apoyo basado en datos existentes de la organización”.

Con este sistema se pueden descubrir patrones valiosos escondidos en la masa de los datos y, a partir de ellos, formular una o varias hipótesis que sean útiles para la operación de la empresa, para luego someterlas a prueba. En paralelo, se utilizan herramientas analíticas que operan sobre el conjunto de los datos para obtener nueva información, más valiosa que si se tomaran esos datos de manera individual. (Colle, 2015).

Del Business Intelligence se desprenden los conceptos de Big Data y Business Analytics, que son explicados en las demás opciones desplegables.

Big data

Se utiliza a menudo para referirse a cualquier conjunto de datos que es difícil de gestionar mediante bases de datos tradicionales o que es demasiado grande para procesarse en un solo servidor. (BIG DATA, 2016). Para ser más específicos, este concepto se ha definido a partir de sus componentes esenciales, llamados las 3V’s. (Laney, 2001).

  1. Volumen: cada día se generan enormes cantidades de datos. En esta característica se trata, principalmente, el tema de infraestructura, procesamiento y manejo de grandes volúmenes de datos de una manera selectiva.
  2. Velocidad: es un factor primordial, aquí todo debe funcionar de manera sincrónica para que grandes cantidades de datos puedan ser analizados, minimizando el tiempo de procesamiento. Su finalidad es entregar resultados en tiempo real.
  3. Variedad: además de las grandes cantidades de información, se debe considerar que los datos son de todo tipo: estructurados y no estructurados. El sistema debe analizar y sacar provecho de toda la información, independientemente del área de negocio empresarial.

Con el pasar del tiempo y el crecimiento exponencial de los datos, se ha podido precisar en la definición de Big Data y se agregaron dos componentes más:

  1. Veracidad:la mayoría de datos que se recolectan están incompletos y afectados por asimetrías e inconsistencias. El objetivo de este componente es garantizar la exactitud y confianza de los datos para cumplir los objetivos y minimizar la incertidumbre.
  2. Valor: mediante minería y análisis de datos se puede vislumbrar información de alto valor para el negocio, que antes había estado enmascarada dentro de datos estructurados y no estructurados. Esta característica se puede utilizar para ayudar a modernizar las cadenas de suministro, mejorar la planificación de producción, el seguimiento de ventas y actividades de marketing, etc.

La estrategia de Big Data ofrece a las empresas la capacidad de analizar mejor su información con el objetivo de acelerar el crecimiento rentable. (Knilans, 2014).

Analítica en los Negocios

Ilustración 2: Characteristics of Big Data
Fuente: International Journal of Science and Research (IJSR). Volume 4 Issue 8, August 2015

Business Analytics

Gideon Gartner, fundador de Gartner Group Inc., empresa consultora líder mundial de investigación en tecnologías de información, divide la analítica en cuatros grupos principales, de acuerdo al avance de las organizaciones, así:

  • Descriptiva: es el examen de los datos o contenidos, por lo general se lleva a cabo de forma manual, para responder a la pregunta "¿Qué pasó?" o “¿Qué está pasando?”. Caracterizado por la tradicional inteligencia de negocio (BI) y visualizaciones tales como gráficos circulares, gráficos de barras, gráficos lineales, tablas o narrativas.
  • Diagnóstica: es una forma de análisis avanzado, que examina los datos o contenido y responde a la pregunta "¿Por qué sucedió?". Se caracteriza por técnicas tales como drill-down (subdivisión del problema en subconjuntos, cada uno de los cuales puede resolverse más fácilmente), minería de datos y correlaciones.
  • Predictiva: describe cualquier aproximación a la minería de datos con cuatro atributos:
    1. Predicción (en lugar de la descripción, clasificación o agrupamiento).
    2. Análisis rápido medido en horas o días (en lugar de los meses de la minería de datos tradicional).
    3. Importancia para el negocio de los conocimientos resultantes.
    4. Facilidad de uso, herramientas accesibles a los usuarios empresariales.
  • Prescriptiva: es una forma de análisis avanzado que examina los datos o contenido para responder a la pregunta "¿Qué hacer?" o "¿Qué podemos hacer para que pase?". Se caracteriza por técnicas como análisis gráfico, simulación, procesamiento de eventos complejos, redes neuronales, motores de recomendación, heurística y aprendizaje de máquina.
Analítica en los Negocios

Ilustración 3: Data and Analytics – Beyond Big Data
Fuente: Gartner Inc.

Según el estudio “Building trusted relationships through analytics and experience”, realizado por Forbes en colaboración con EY, donde se entrevistó a más de 300 ejecutivos de alto nivel en diferentes industrias, el uso de Big Data y Analytics es vital para desarrollar relaciones de confianza con el cliente y poder ofrecer, no solo productos innovadores, sino experiencias de consumo diferenciadoras.

Sin embargo, para el 2014, año en que se realizó el estudio, mientras que el 91% de los encuestados afirmaba que la construcción de relaciones de confianza con los clientes era un factor determinante en su estrategia, solo el 52% de las empresas había implementado herramientas de analítica avanzada para personalizar su interacción con el cliente, y únicamente el 38% de ellas estaba aprovechándolas para detectar el punto de ruptura de la relación y tomar medidas ante una posible fuga del cliente hacia la competencia. (Forbes Insights, 2014).

Para el año 2016, en el estudio: “The 2016 Enterprise Analytics Study: Insights & Implications for Organizations Inspiring to be Analytically Driven”, realizado por Dun & Bradstreet a 100 líderes de negocios para entender el estado de madurez de análisis de datos en diferentes organizaciones, se afirma que el 73% de las compañías han implementado proyectos de Analytics para mejorar la toma de decisiones y guiar el presente y futuro del negocio.

Sin embargo, la madurez de estos proyectos se ha enfocado en analizar los riesgos financieros y ha tenido un crecimiento leve en las áreas de marketing y relacionamiento con el cliente, además, los líderes afirman tener un gran interés en la aplicación de Analytics para potenciar las cadenas de suministro, pero dicen no poder implementar estas iniciativas por no contar con los recursos necesarios al interior de sus organizaciones.

En un modelo de negocio como el renting con productividad, se registra información de la flota de los clientes minuto a minuto, que seguirá siendo útil para la compañía en la medida en que se pueda hacer uso estratégico de ella. Además, se tienen agentes de recolección de información no estructurada (vehículos y conductores), que se están moviendo por las principales ciudades y carreteras de todo el país y que podrían obtener información sobre diversos temas, desde condiciones meteorológicas y estado de las vías, hasta datos turísticos de los lugares más atractivos de Colombia. Con esa información en manos de talento humano capacitado y contando con las herramientas necesarias para el análisis de los datos, se podrían llegar a generar nuevas oportunidades de negocio y soluciones a los desafíos actuales de una manera innovadora y diferente.

En conclusión

Así pues, el panorama actual es un llamado, en primer lugar, a la evaluación de la madurez de las compañías en el uso de nuevas tecnologías y su aplicación en la estrategia organizacional. En segundo lugar, es una invitación a potenciar el talento humano con el fin de poner en marcha este tipo de proyectos. Hoy en día se cuenta con áreas expertas en manejo de información y análisis estadísticos y se tienen oportunidades de negocio que permiten integrar y tomar información de una amplia gama de industrias para mejorar la interacción con el cliente y ofrecerle un servicio con el que sea capaz de ir más allá.

¿Te pareció útil este contenido?

Continúe leyendo

26-03-2024Actualidad economica y sectorial

[Video] Tendencias en compra de vivienda en Colombia 2024-2040

La compra de vivienda en el corto, mediano y largo plazo estará marcada por los hábitos de consumo de las diferentes generaciones. Mientras los baby boomers buscan viviendas más pequeñas y los millennials espacios más funcionales, las nuevas generaciones les darán más relevancia a espacios sostenibles. Un experto nos cuenta detalles, conócelos.

22-03-2024Actualidad economica y sectorial

Claves del gas natural y el GLP para la transición energética y el desarrollo de territorios en Colombia

En el camino hacia la transición energética, el gas natural se convierte en una opción clave para la sustitución de la leña, que sigue siendo usado en los hogares colombianos. Te contamos cómo avanza esta transición.

19-03-2024Especiales

Especial de gas 2024: transición energética y gestión sostenible

Explora en este especial cuáles son los retos del sector, en dónde están las oportunidades y cuál es su impacto en el desarrollo del país.

Suscríbase a nuestro boletín
Capital Inteligente

  • Para conocer
    el acontecer económico.
  • Para tomar mejores
    decisiones de inversión.
  • Para compartir
    información de valor.

Lo más reciente

¿No es lo que buscaba? Conozca otros artículos de interés.

Complementary Content
${loading}