C.P.C. Miguel Ángel Acosta Patoni

Director de Asesoría en Data & Analytics
KPMG México

miguelacosta@kpmg.com.mx

En el mundo corporativo todas las organizaciones están en el negocio de generar mayor valor para el accionista, para ello se instrumentan estrategias que les permitan aumentar la participación de mercado, disminuir costos y sacar el mayor provecho a las oportunidades de su negocio

En fechas recientes conceptos como Big Data y analíticos avanzados han estado presentes en los planes de las empresas para atender de una manera más ágil los retos de los negocios y tratar de predecir el comportamiento de clientes y mercados con el fin de aprovechar los grandes volúmenes de datos que hay en las redes sociales. De igual forma, la instrumentación de estrategias de Business Intelligence siguen estando vigentes para entender mejor cómo llegamos a los resultados y apoyar la toma de decisiones mejor informadas.

¿Cómo apalancar las inversiones en Business Intelligence y otras herramientas?

La tecnología ha avanzado de forma dinámica en la última década, permitiendo tener acceso a grandes volúmenes de datos para aplicarles modelos de análisis más complejos que permitan gestionar estrategias de mercado, el estudio de la competencia, calcular el potencial de nuevos servicios y productos, evaluar modelos de innovación, entre otros.

Ahora la visión y la mecánica del análisis está orientada hacia la predicción de comportamientos de clientes y mercados, más que la explicación o el análisis de causas, raíz de los resultados pasados.

Esta es la gran diferencia entre Big Data y Data Analytics y el Business Intelligence (inteligencia de negocio), tal como lo conocemos hoy; sin embargo, unos nos ayudan a hacer predicción de comportamientos y el otro nos ayuda a explicar y analizar cómo es que hemos llegado hasta los resultados actuales.

Ambos enfoques son necesarios y extremadamente útiles para la empresa, solo hay que usar las herramientas correctas para el análisis correcto. Uno es el análisis predictivo y el otro es el descriptivo.

Las herramientas de Business Intelligence son cada vez más fáciles para los usuarios finales y contienen mayores funcionalidades para explorar datos.

Las herramientas de Big Data y Data Analytics requieren de ciertos conocimientos técnicos, y estadísticos para crear modelos predictivos a partir de grandes volúmenes de datos que no necesariamente están estructurados.

En resumen hay que apalancar las inversiones que se han hecho en Business Intelligence usando las herramientas correctas para el análisis correcto y no pretender hacer análisis predictivos con herramientas que no son fáciles de usar ni que son escalables con grandes volúmenes de datos.

De igual forma es importante tener orden en la estructura del Business Intelligence (BI) y ayudar a la organización a obtener la información correcta en el momento adecuado y con la calidad necesaria. Por ello, todo proyecto de Business Intelligence debe tener un componente de gobernabilidad de datos y es recomendable la instrumentación de un centro de competencias de BI para instrumentar la estrategia de Business Intelligence, lo cual permite obtener mayor provecho de las inversiones que la mayoría de las organizaciones ya han hecho en BI.

¿Cómo se genera valor con Big Data y Data Analytics?

El uso estratégico de los datos y su aplicación en análisis avanzados desempeñan un papel importante para mejorar la toma de decisiones de negocio y el impacto en la generación de valor para las empresas. Los conceptos de Big Data y Data Analytics ya ha salido de la mesa del Director de TI y están cada vez más presentes en las conversaciones de otros ejecutivos de las empresas.

Estos conceptos se aplican a necesidades actuales de negocio como:

• Conocer mejor a mis clientes para intentar anticipar su comportamiento.
• Tener información accionable para conocer más a detalle lo que están haciendo mis competidores en el mercado.
• Cómo convertir datos “crudos” y no estructurados en información valiosa para la instrumentación de estrategias de servicios y productos.
• Cómo balancear el riesgo que existe en las nuevas oportunidades de negocio con el rendimiento esperado.
• Poder incluir o incrustar el análisis de información en los procesos clave del negocio.

En resumen, ver cómo podemos ágilmente sacar provecho de los grandes volúmenes de información en distintas fuentes internas de datos, así como las externas que pueden incluir redes sociales e información no estructurada, para generar estrategias de negocio que otorguen valor al negocio.

Retos de Big Data y modelos Data Analytics

Por ejemplo, convertir los datos en información útil para tomar decisiones de negocio, pero aún más allá para predecir el comportamiento de los mercados, clientes o la competencia.

¿Qué hace distinto al Big Data si los datos siempre han estado ahí?

• El gran volumen de datos que generan dentro de las organizaciones y alrededor de ellas.
• La velocidad y la frecuencia con la que se generan los datos.
• Los datos ahora tienen distintas estructuras por ejemplo, en transacciones de un sistema de registro hoy existen otras fuentes que generan datos que no tienen la misma estructura que antes, como el contenido de correos electrónicos o medios sociales

¿Cuáles son los grandes retos que las empresas enfrentan cuando deciden entrar en proyectos Data Analytics?

• Escoger e implementar la solución correcta para analizar e interpretar correctamente los datos.
• Identificar los indicadores de riesgo correcto y los parámetros para medirlo.
• Accionar de una forma proactiva cuando el conocimiento se genere en la organización y permita gestionar los recursos.

¿Cómo armar una estrategia de Big Data y Data Analytics?

Existen barreras que se tienen que sobrepasar para instrumentar una estrategia de Big Data y Data Analytics a lo largo de una organización, principalmente.

• Identificar qué datos hay que recolectar de manera económica.
• Desarrollar las capacidades de captura y análisis de todos los datos existentes en y alrededor de la organización.
• Instrumentar la solución correcta para interpretar y analizar de una forma precisa los datos.

Los modelos Data Analytics tienen que ver con el proceso de examinar y modelar datos para generar información útil que nos permita explicar relaciones entre variables de negocio, establecer conexiones de causa y efecto, y hacer conclusiones que apoyen las decisiones de negocio que permitan a las organizaciones transformar sus estrategias en acciones. Este concepto es distinto del Business Intelligence tradicional, ya que este último describe el pasado y analiza el presente y los Data Analytics tratan de describir comportamientos hacia el futuro para hacerlo menos incierto.

Big Data, Data Analytics y Business Intelligence para impulsar el valor para el negocio

Si bien en el pasado hemos visto distintas metodologías para examinar el valor que se genera en la empresa, por ejemplo, mediante el análisis de generación de flujos de efectivo y su impacto en el valor de la acción, es un hecho que la ejecución correcta y oportuna de las estrategias de negocio incrementa el valor de las acciones de una empresa.

Tal es el caso de empresas que están ejecutando iniciativas o han implementado soluciones de Big Data y Data Analytics por encima del Business Intelligence tradicional, ya que los analistas de inversión los perciben como mejor preparadas para tomar ventaja de las oportunidades de mercado, incorporando modelos predictivos que les permitan penetrar mejor sus mercados, reducir costos, adecuar sus productos y servicios, e innovar para responder a las necesidades de sus clientes.

El potencial de Big Data y la analítica avanzada

Uno de los potenciales del uso de Big Data y analítica avanzada es un aumento en la eficiencia de las operaciones, con el impacto consecuente en el incremento de utilidades, y en la participación de mercado como resultado de tomar decisiones mejor informadas en tiempo real y de administrar el desempeño de la empresa con mayor y mejor información.

Las industrias como telecomunicaciones, banca y seguros, así como empresas detallistas están siendo reconfiguradas al implementar estrategia de uso de datos y modelos Data Analytics, y los inversionistas están siguiendo de cerca las empresas que han instrumentado estas estrategias de datos y Data Analytics en sus organizaciones, lo cual es un diferenciador que los posiciona como líderes y promete retornos mejores a cualquier inversión. Los inversionistas perciben el efecto de la estrategia en el desempeño de las empresas.

Antes mencionamos que estos temas ya no son exclusivos de la gente de Tecnologías de Información, sino que está siendo adoptado por todas las áreas de negocio como mercadotecnia, operaciones de ventas, finanzas y áreas de servicio.

En resumen

Hoy la estrategia sola de Business Intelligence ya no es suficiente, ya que los negocios utilizan la corriente de grandes volúmenes de datos en tiempo real, que llega a las organizaciones a gran velocidad y de distintas formas y orígenes. Esto ha transformado la forma en la que hacíamos el análisis de la información, de una forma descriptiva.

Ahora el análisis de la información es predictivo y la gente que lo hace no usa las mismas herramientas que antes, el perfil de los analistas de negocio ya ha evolucionado más allá del aspecto técnico, pues ya hay roles como el de los científicos de datos y directores en jefe de los datos en las organizaciones; es decir, el proceso de toma de decisiones se ha vuelto más complejo y hace necesaria la instrumentación de una estrategia de Big Data y Data Analytics para transformar datos en valor para el negocio, acelerando la innovación y respondiendo con mayor agilidad a las demandas del mercado. Esto hace que las empresas respondan con productos y servicios nuevos que les permiten crecer y valer más, día con día.