El gerenciamiento de toda empresa se basa en la toma de decisiones y es esencial que estas estén fundamentadas en el conocimiento que la dirección tenga sobre la organización y los desafíos que se han de enfrentar.
Las empresas constantemente producen grandes volúmenes de datos que suelen ser generados por los diferentes sistemas con los que cuenta en su estructura como, por ejemplo, las aplicaciones en la nube, comercio electrónico, sistemas de monitoreo como los sensores, web logs, etc. Pero para que todos esos datos que se producen diariamente se conviertan en conocimiento estratégico es necesario transformarlos.
Desde 1958 año en que Hans Peter Luhn, informático e investigador de IBM, se refirió a la Inteligencia de Negocios como “La capacidad de comprender las interrelaciones de los hechos presentados de tal forma que consiga orientar la acción hacia una meta deseada”, el uso de los datos y la metodología para su análisis en el contexto empresarial se ha ido complejizando.
En términos generales, se puede asumir que la noción de análisis de datos engloba al conjunto de habilidades, prácticas y tecnologías que permiten realizar la exploración e investigación continua de los datos con el fin de obtener información.
Ahora bien, se puede diferenciar dos enfoques en el uso de los datos en lo empresarial. Por un lado, se encuentra la inteligencia de negocios o business intelligence, y por el otro, el análisis avanzado o business analytics. La información que producen es diferente ya que responden a objetivos y metodologías diversas.
En la inteligencia de negocios el análisis de datos permite medir el rendimiento pasado para orientar la planificación y desarrollar estrategias efectivas, y se implementa mediante un conjunto de arquitecturas, como almacenes de datos, y tecnologías tales como son los cubos de datos y motores de consultas. Este tipo de análisis responde a preguntas sobre el pasado de la empresa, así como, sobre lo qué ha sucedido o en qué proporción ha ocurrido y con qué frecuencia. Además, sus acciones siempre se definen por medio de la interacción.
El análisis avanzado integra la metodología de la Ciencia de datos la cual consiste en la aplicación práctica de ésta, junta a la estadística tradicional, el aprendizaje automático, y la visualización de datos. El análisis avanzado comprende el descubrimiento de patrones significativos en datos estructurados y no estructurados. Este tipo de análisis responde a preguntas sobre el futuro, por ejemplo, sobre lo qué pasará si esa tendencia continua, o porqué está sucediendo y qué es lo mejor que puede pasar, pudiendo de esta forma anticipar acciones.
Para diferenciar sus utilidades se las puede ilustrar mediante casos de uso hipotéticos. Un primer caso de negocio minorista, por ejemplo, una librería, cuyos dueños estarían interesados en generar información para mejorar las ventas y desarrollar acciones de marketing. Mediante la inteligencia de negocios podrían describir los libros que compraron los clientes en el último año y con el análisis avanzado indagar sobre los libros que podrían elegir los clientes de acuerdo a los patrones de interés del año anterior.
Un segundo caso, una empresa de telecomunicaciones podría estar interesada en buscar información sobre el abandono de servicios por parte de sus clientes. Mediante inteligencia de negocios generaría información sobre los clientes que han cancelado el servicio y mediante el análisis avanzado generaría información sobre los clientes que aún no han cancelado ningún servicio pero que tienen más probabilidad de abandono.
Un último caso es el de una industria a la que le interesaría desarrollar alianzas estratégicas. Con inteligencia de negocios podría detectar los socios que fueron responsables de la mayor cantidad de ventas en el último año, y con el análisis avanzado podría detectar cuáles son los socios que tienen mayor y mejor potencial para las futuras ventas.
El uso y desarrollo de uno y otro dependerá en última instancia de la meta de desarrollo y los desafíos que enfrente cada empresa.
Lic.Vanina Agustinho