De nada sirve acumular datos de calidad en nuestra empresa si no sabemos obtener la información precisa y de valor de ellos. Este hecho, que puede sonar a obviedad, conviene recalcarlo al momento en el que, según un estudio de la empresa de seguridad digital Thales Digital, el 65 % de las organizaciones digitalizadas no están capacitadas para analizar o categorizar todos los datos que almacenan.
Este dato revela que 6,5 de cada 10 empresas que trabajan con herramientas de gestión y almacenamiento de datos fallan a la hora clave de sacarles el máximo rendimiento: al momento de obtener los insights que les pueden permitir crecer, es decir, no poseen un apropiado ecosistema de business intelligence. ¿Cómo podemos asegurarnos de obtener siempre la información precisa de nuestros datos?, ¿qué entorno lo permite de forma cómoda y eficaz?
Por qué no somos capaces de obtener business insights de calidad
Antes de entrar en un entorno de procesos y herramientas que puedan facilitarnos obtener información de calidad del big data, conviene detectar en qué podemos fallar. Si ya de por sí carece de sentido la obtención de datos masivos sin que se gestionen, no podemos caer en el error de sumar nuevos procesos sin que el valor de éstos queden previamente definidos.
Evitar esta situación es vital, en cuanto se detecta la tendencia de muchas empresas de entender la digitalización como la adhesión de nuevas tecnologías, obviando su fin máximo: que estas herramientas faciliten los procesos del día a día, no que lo compliquen. No saber a qué herramienta acudir según qué proceso o a quién va dirigido, es uno de los errores de base por el cual no somos capaces de obtener información de calidad.
También puede sucedernos lo contrario: que sepamos dónde se encuentra la información pero no tengamos los medios o los permisos necesarios para obtenerla. Saber a quién acudir o tener el acceso adecuado según la necesidad de trabajar con los datos que podemos disponer sería otra clave para aplicar business intelligence correctamente.
Entender el uso de business intelligence: clave para no caer en sus errores
Estos dos factores descritos tienen fácil solución si atendemos plenamente a la definición de business intelligence: estrategias y ecosistemas alrededor del big data enfocados a administrar y crear conocimiento sobre el mercado objetivo al que nos dirigimos específicamente, mediante la analítica de todos los datos que pasan por la organización.
De ello se resume que una buena inteligencia de negocios tiene como finalidad explotar los datos de empresa a través de informes claros y precisos, fácilmente comprensibles para cada agente al que se dirige. De forma que éste pueda confirmar que la estrategia adoptada se está desarrollando tal como se planificó, o tenga la información necesaria para corregir cualquier desvío.
Para ello, debemos detenernos en dos conceptos de la definición de business intelligence:
- Herramienta para confirmar que se sigue la estrategia de crecimiento empresarial correctamente: es decir, antes de aplicar business intelligence, tenemos que tener clara la táctica y no al revés. Si bien la inteligencia de negocio nos puede servir para corregirla o incluso cambiarla por completo, debemos fundamentar estas decisiones en una hoja de ruta previa.
- Fácil comprensión para cada agente al que se dirige: para poder valorar los datos que de ella se obtenga, la inteligencia de negocio debe ser clara, precisa y no llevar a confusión, así como adaptada a cada solicitante y no basarse en la generalización. Este factor tiene doble importancia a nivel estratégico, ya que hay herramientas que ponen foco en los usuarios finales de los datos de empresa (enfoque bottom-up) y otras con foco en los “dueños” o responsables de los datos (enfoque top-down)
| Herramientas que definen una estrategia bottom-up o top-down |
|
La necesidad de que exista previamente una estrategia a la hora de aplicar business intelligence reside en que el ecosistema del cual saldrán los informes tendrá un factor clave a la hora de decidir cómo se presenta la información. Así, en una organización que utiliza data fabric o procesos ELT, los informes serán más adecuados para el data owner, es decir, para el encargado del control, procedimentado y tratado de la información, obtenida de un único data lake (arquitectura monolítica).
Sin embargo, en una organización basada en data mesh o en procesos ETL, los informes se adecuarán al usuario final, que no siempre tendrá el conocimiento adecuado para entender cómo se han procesado los datos, pero sí la capacidad para entenderlos, siendo cada informe distinto según a quién se dirige, discriminando o sumando información según se requiera. De esta forma se descentraliza la información que procede del data lake (arquitectura de microservicios). |
Para profundizar en estos conceptos, recomendamos los siguientes enlaces:
Procesos ETL y ELT: en qué se diferencian y cuál es el más indicado para mi estrategia de datos
Data Mesh vs Data Fabric: buscando la mejor arquitectura de datos
Pasos para aplicar business intelligence de calidad en la empresa
Una vez tenemos en mente la base de la que partimos, una buena guía para tener claro que obtenemos la información que cada agente necesita para aumentar la competitividad de la empresa se basa en los siguientes pasos:
Identificar necesidades y objetivos
Qué queremos conseguir con los datos que se nos ofrezcan. No es lo mismo la información que queramos obtener para mejorar la logística y trazabilidad de productos en retail, que para fidelizar y atraer nuevos clientes en una empresa de seguros. Incluso dentro de una misma organización, no debe ser igual el informe (ni los datos que en él se contengan) dirigido a un project manager para conocer si se están cumpliendo los objetivos, que el dirigido a contabilidad con la finalidad de controlar / corregir presupuestos.
Así, mediante estas identificaciones, seleccionaremos y diseñaremos la forma de presentar la información mediante business intelligence adaptándola a cada agente, pero sobre todo, cuidando que la información que se le presenta, sea a la que deba tener acceso.
Solo el 54% de las empresas digitalizadas conocen con exactitud dónde se almacenan sus datos confidenciales. Fuente: Thales Digital.
Definición de reglas de interpretación
Que los informes se puedan personalizar según el agente no quiere decir que cada empleado dentro de una organización tenga el suyo “a la carta”. Esto no responde únicamente a cuestiones de practicidad (lo global siempre consume menos recursos que lo específico), sino a cuestiones de que la información que cada uno obtiene responda a estándares compartibles con el resto de la organización.
Así, ciertos aspectos de la interpretación de datos deben ser consensuados por el departamento en el que se trabaja acorde a lo que el resto de la corporación también entiende de la misma forma.
| Paradoja de “mismos datos, distinta información” |
|
Para entender fácilmente por qué se deben definir unas mismas reglas de interpretación, lo ejemplificamos en cómo una empresa de venta online presenta el éxito o fracaso de una campaña en una reunión de accionistas.
Trabajando exactamente con los mismos datos, marketing, logística y finanzas presentan diferentes resultados y nivel de éxito de la campaña:
· Marketing presenta la campaña como todo un éxito puesto que se han realizado 100 ventas. · Logística no cree que haya sido tan exitosa en cuanto solo 50 han salido del almacén. · Finanzas, en cambio, la califica como fracaso al contabilizar 25 cobros.
Para estupefacción de los accionistas, todos dicen la verdad. ¿Qué es lo que sucede?
· Marketing contabiliza como venta toda transacción que acabe en pedido. · Logística contabiliza como venta, todo pedido que sale del almacén. · Finanzas contabiliza como venta, todo cobro que entra en caja.
El hecho de que cada departamento entienda unos mismos datos como diferente información, suponen estos desbarajustes que tienen su lógica en factores como posibles devoluciones, falta de stock, fallos en la información de cobro, o simplemente demoras en cuándo éste se efectúa (entra la venta en caja).
De ahí la importancia no solo de que se presenten datos, sino que se interpreten por igual, “en el mismo idioma”.
|
Implantación y configuración de la herramienta adecuada
Una vez tenemos claras las necesidades y quiénes intervienen en la obtención de información, es el momento de aplicar la solución de business intelligence que mejor se adapte a nuestras necesidades tanto de estructura, como de objetivos.
Es vital que nos asesoremos e informemos en detalle en este paso, ya que según la herramienta que elijamos y cómo la implementamos (si a todos los estamentos de la empresa o solo a nivel de managers) estaremos obteniendo el máximo rendimiento, no alcanzaremos a todas las necesidades o estaremos infra usando la tecnología.
También es importante que una vez instalada, se configure y compruebe que la salida de datos es la deseada para cada agente.
Diseño de informes
Toda información presentada, debe ser de fácil comprensión por todos (si se sigue una estructura monolítica, con informes “globales”) o por cada uno de los “dueños de datos” (si se sigue una estructura de microservicios, con informes “personalizados”).
La finalidad máxima del business intelligence es la recopilación, integración, análisis y, por último, presentación de datos para ayudar a las empresas a tomar decisiones más informadas. Si este último paso no se lleva bien a cabo, es decir, ofrecer los datos de una forma clara, precisa y entendible, nada de lo anteriormente realizado servirá.
Es por ello por lo que no solo debemos optar por interfaces sencillas adaptadas a cada nivel de conocimiento del usuario final, sino sobre todo por presentaciones en las que cada dato sume, sirva para extraer conclusiones y esté siempre en disposición de desplegar acciones de mejora.
Qué debemos considerar en herramientas de business intelligence
Tal como indicábamos en el tercero de los pasos a la hora de aplicar business intelligence en una empresa, habría que valorar qué herramienta encaja mejor con el ecosistema preexistente y con los objetivos que se pretenden conseguir en cada negocio. No obstante, encontramos soluciones estandarizadas que, ante una fase temprana de digitalización, nos pueden servir de guía según lo que esperemos de la implantación de inteligencia de negocio.
Es importante en este último caso que, por ejemplo, no busquemos soluciones que se basen únicamente en el modelaje o la presentación de informes según las conexiones que hayamos hecho entre herramientas, sino que también se encarguen de procesos y tareas propias del gobierno, control y calidad del dato.
Otros aspectos que nos podrían interesar en este sentido serían:
- Escalabilidad y gobernanza flexible
- Operabilidad en cloud
- Datos en tiempo real
- Acceso por capas
¿Y qué herramientas del mercado nos pueden ayudar, entre otras, a aplicar BI en nuestra empresa según nuestra necesidad?
Qlik
Es una plataforma que resulta muy apropiada sobre todo para procesos en los que se pretende trabajar con datos a todos los niveles de conocimiento, es decir, cuando se realizan modelos de arquitectura data mesh o similares, donde el dato está al servicio del usuario final o de diferentes perfiles.
Su base en cloud asegura una accesibilidad universal, ofreciendo datos en tiempo real y permitiendo multitud de automatizaciones que no solo ofrecen informes detallados, sino que ahorran tiempo y procesos a los gestores de datos.
Power BI
La ventaja de Power BI reside en la fácil conexión con entornos familiares como pueden resultar los de Microsoft 365, dirigiéndose a un perfil de usuario similar. Para ello sus paneles resultan altamente intuitivos, sin perder creatividad y atractivo visual por ello.
En cuanto a funciones de gestión de datos, ofrece la posibilidad de análisis predictivos, identificando patrones concretos.
Tableau
Es una herramienta indicada para realizar dashboards a medida, con el nivel de detalle y precisión que deseemos según el grado de conocimiento técnico, permitiendo incluso aspectos a alto nivel como la exclusión de valores marginales y analítica profunda más allá del aspecto visual.
Esta ventaja, junto a otras como el compartido por capas (apropiado para una arquitectura data fabric, por ejemplo) se convierte en hándicap si queremos una herramienta de BI que no requiera de muchas funcionalidades.
En definitiva, el Business Intelligence es un aspecto muy interesante de todo proceso de digitalización, en la medida en que si queremos poner el dato en el centro de toda decisión de negocio, es clave que todos seamos capaces de interpretarlo y, para ello, esta sea la herramienta idónea para ello.
Lo que, como toda herramienta destinada a mejorar procesos, debemos asegurarnos y asesorarnos de que elegimos la idónea y la que mejor encaja con nuestro ecosistema presente y futuro.
