Analítica accesible: un enfoque que no se ajusta a todos

A raíz de la digitalización actual del conglomerado sectorial, la recopilación y el análisis de datos se están convirtiendo en metodologías muy socorridas. Por ello, la importancia de utilizar métodos de analítica de datos que sean más accesibles para todos es cada vez mayor. Concurren tres buenas razones por las que la analítica accesible vuelve a situarse en el mapa: las organizaciones desean obtener más conocimientos, acortar el plazo de rentabilización y adoptar un enfoque de autoservicio.

El estado actual del mercado obliga a las organizaciones a reaccionar de forma más rápida. Solo es posible tomar decisiones correctas y pertinentes en tiempo real si las organizaciones cuentan con una base de conocimientos óptima. Según afirma Hylke Visser, administrador jefe de soluciones empresariales de la división de SAS en el suroeste de Europa, esto no solo implica asumir una perspectiva clara de los niveles de rendimiento alcanzados hasta la fecha, a lo que añade: “Las buenas decisiones no se basan únicamente en lo que ya conocemos, sino que también es necesario poner en valor los pronósticos que podamos hacer del futuro. Se hace evidente la diferencia entre las herramientas de conocimiento empresarial (BI) tradicionales, cuyo funcionamiento se centra únicamente en el análisis retrospectivo, y las herramientas innovadoras que incorporan funciones analíticas y estadísticas para realizar previsiones fundadas. Son cada vez más numerosas las empresas que dedican sus recursos a estas herramientas de análisis”.

Con el propósito de operar de forma más ágil, las organizaciones también buscan herramientas más ágiles que, hoy en día, generan mucho interés. Esto se debe a que consiguen suplir las carencias de los sistemas tradicionales, como es el caso de los dilatados ciclos de implementación. Ahora que los motores de búsqueda responden casi de inmediato a preguntas sobre la información disponible en Internet, los usuarios empresariales desean crear una experiencia de usuario similar con sus datos corporativos. “Queremos empezar a elaborar una respuesta cuando surja la pregunta y no tener que crear primero una solicitud de cambio”, asevera Visser.

La tendencia a adaptar la analítica accesible tiene que ver también con los costes derivados de los proyectos de BI tradicionales. “Conseguir que los usuarios realicen sus análisis de datos de un modo libre se traduce en una reducción de los costes de TI y, al mismo tiempo, cumple con las expectativas de obtener más conocimientos y reducir los plazos de rentabilización. En especial, en lo referente a la información, vemos que los usuarios empresariales son positivos sobre lo que desean analizar y descubrir en sus datos”.

Una plataforma de análisis en memoria e integrada

Una plataforma en memoria e integrada que combine los modelos tradicionales de BI con soluciones de predicción y descripción (como SAS^® Visual Analytics^TM y SAS^® Visual Statistics^TM) servirá para cubrir las necesidades de cualquier usuario del sistema. Con ello, se consigue un mayor grado de autonomía y un firme control de los datos en las diferentes capas.

La capa inferior de dichas plataformas únicas se corresponde con la capa de BI tradicional. “Numerosos usuarios de dentro y fuera de una organización pueden asimilar la información sobre lo sucedido en el pasado. Los ejemplos habituales son los paneles con indicadores de rendimiento clave y gráficos que se pueden consultar a través de la nube o los dispositivos móviles, aunque también de manera interactiva por medio de las herramientas de productividad de Microsoft Office, como Excel o PowerPoint”, afirma Visser.

En la segunda capa, los usuarios pueden extraer la información que les sea de más utilidad y adecuar los gráficos y paneles atendiendo a sus necesidades. Esta capa de autoservicio reduce el tiempo de respuesta tanto de los usuarios empresariales como de los clientes internos o externos.

La tercera capa, la perteneciente a la “detección de datos”, posibilita a los analistas de negocios hallar nuevas correlaciones en el conjunto de datos de la organización. Además, las técnicas de exploración ayudan a profundizar en la búsqueda de los datos. Algunos de los métodos más eficaces empleados aquí son, por ejemplo, los diagramas de Sankey o los árboles de decisión.

El auténtico científico de datos se decantará por la capa superior, que permite crear modelos analíticos mediante el uso de técnicas como la agrupación. A su vez, los nuevos grupos identificados se pueden volver a usar en los entornos tradicionales de generación de informes.

¿Cómo iniciarse en el uso de la analítica accesible?

Las organizaciones no se embarcan en la gestión de la analítica accesible a partir de un enfoque que reemplace el conocimiento empresarial. La analítica accesible requiere de una transformación mental y cultural de las empresas y, por ese motivo, lo mejor es comenzar en departamentos o divisiones innovadores de la organización. De hecho, si se realizan progresos rápidos antes de derivar el proyecto al resto de departamentos de la organización, su razón de ser se verá reforzada. Sin embargo, lo más importante es que la división que se centre en cuestiones de innovación se mostrará más abierta y receptiva a ideas más creativas. “Nuestras exclusivas plataformas de análisis integradas se suelen utilizar para enriquecer los conjuntos de datos existentes con otros nuevos de código, como los usados en las previsiones meteorológicas o las conversaciones a través de redes sociales. El fin es aplicar los datos de una manera más rápida para satisfacer la demanda del mercado, aumentar el rendimiento o desarrollar nuevos modelos de negocio. Un ejemplo de ello lo observamos en una empresa de gestión de cobros que se sirve de nuestra exclusiva plataforma en memoria para engrosar el conjunto de datos existente con información externa, como la obtenida de los registros catastrales. Logran perfilar su metodología de trabajo realizando estimaciones bastante fiables de los fondos y los recursos de aquellas personas con deudas pendientes y complementándolas con análisis de conductas anteriores. En algunos casos, una llamada telefónica puede resultar más eficaz a la hora de hacer que los deudores paguen sus facturas pendientes; en otros, el requerimiento judicial supone la única solución”, explica Visser.

Otro aspecto importante es integrar la analítica accesible en la organización. Designar a un jefe de datos puede ser de mucha utilidad, así como crear un departamento de innovación. Generalmente, las organizaciones orientadas a los datos que adoptan estas estrategias obtienen mejores resultados. En definitiva, si se pone más hincapié en el valor de la analítica en las primeras fases del proceso, es posible sacar mayor partido de los datos.

Aun considerando esto último, muchos subestiman las ventajas de la visualización y la detección de datos. “Aunque se valore la enorme fiabilidad de las hojas de cálculo de Excel y su utilidad a la hora de recopilar los datos, la visualización de datos consigue explotar al máximo el potencial de estos. En este sentido, un taller de visualización de datos de unas horas puede ser realmente revelador. En SAS Forum 2016, se tratará una amplia variedad de temas con los que las organizaciones podrán descubrir las ventajas de una óptima gestión de la información. Asimismo, este evento servirá de punto de encuentro de competidores con intereses afines y en él podrán entablar relaciones, intercambiar ideas y aprender de otros sectores y empresas que se hayan sumado satisfactoriamente a las estrategias de analítica accesible”, concluye Visser.

Share this article with your network:

Read more about ”Boost your Analytical Experience”