El nivel de madurez de las organizaciones en el análisis de datos

Cuando hablamos de las ventajas de la utilización de herramientas de Business Intelligence, normalmente nos centramos en que nos permiten analizar grandes cantidades de datos para convertirlos en información de valor que nos ayude a tomar decisiones.

Ahora bien, la pregunta es ¿hasta dónde tenemos capacidad para analizar dichos datos? Para contestar a esta pregunta, tendremos que ver el nivel de “madurez” que tiene nuestra organización en el uso de herramientas de Business Intelligence.

Si partimos de la base de que los estudios indican que el 90% de los datos a nivel mundial se han generado en los dos últimos años, y se estima que crecerán 44 veces durante la siguiente década, podemos llegar a la siguiente conclusión: el DATO (con mayúsculas), se ha convertido desde hace ya varios años en la nueva “materia prima” de las organizaciones y ¿por qué?:

• Es inagotable: como queda reflejado en los estudios de crecimiento exponencial de datos que se crean a todos los niveles.
• Es manejable: se disponen en la actualidad de herramientas que permiten trabajar con grandes volúmenes de información
• Está casi inexplorado: es ahora cuando estamos empezando a hablar con mayor asiduidad de proyectos de Big Data, de analítica predictiva, etc.

Además, en la actualidad, contamos con muchas herramientas que nos permiten almacenar, procesar y analizar datos. Y con la ventaja de que el coste de dichas herramientas ha ido disminuyendo hasta disponer de herramientas de Business Intelligence de autoconsumo: muchas empresas pueden empezar a plantearse proyectos de BI para analizar sus datos, prácticamente sin coste.

Ahora bien, hay una realidad, y es que cuanto mayor valor y beneficio tiene para las organizaciones el uso de herramientas de Business Intelligence, mayor complejidad tiene su implantación. Esto podemos verlo en el siguiente gráfico:

Principalmente, los proyectos de Business Intelligence que se implantan en las organizaciones analizan datos ya existentes y describen lo que ha pasado: cuánto he producido este mes, cuánto he vendido en comparación con el año pasado, etc.

El siguiente paso para mejorar sería realizar un análisis diagnóstico y preguntarnos: ¿Por qué ha pasado? Es importante saber no solo que he vendido un 5% menos que el año anterior en el mismo periodo, sino encontrar las causas de dicho descenso.

En ambos casos estamos hablando de análisis retrospectivo, siempre analizando información pasada. Ahora bien, si queremos optimizar mucho más nuestras organizaciones, tenemos que hablar de previsiones. Tener herramientas para poder realizar un análisis predictivo nos permitirá mejorar nuestra organización. Por ejemplo, para una empresa de transporte será vital predecir lo que supone un aumento o bajada del precio del carburante.

Y el mayor nivel de beneficio para una empresa es conseguir realizar una analítica prescriptiva: qué puedo hacer para que algo ocurra (por ejemplo, aumentar un 20% mis ventas). La realización de este tipo de análisis predictivo se basa en algoritmos matemáticos que llevan más de 50 años inventados, pero es ahora, gracias a la tecnología actual, cuando estos algoritmos pueden hacer realidad los objetivos empresariales.

Por tanto, y en conclusión, como disponemos en nuestras organizaciones de cantidades ingentes de datos (tanto internos como externos), debemos utilizar herramientas para analizarlos y, de esa forma, conseguir aportar el mayor valor posible para alcanzar nuestros objetivos de negocio.

Si queremos llegar al nivel más alto de previsión y optimización, tendremos que empezar por la base, analizando de una forma descriptiva, para después ir mejorando y evolucionando nuestro análisis en las diferentes fases hasta llegar a ese máximo nivel.

Para ampliar información sobre algunas de las herramientas de Big Data más utilizadas, podéis descargaros la grabación de los siguientes webinars:

Big Data, el poder de la información y los datos
Big Data, más allá de la visualización de los datos