Históricamente, se ha intentado mejorar el proceso de la toma de decisiones en una empresa. En los últimos años, las herramientas, estrategias, y los datos que podemos capturar y analizar han cambiado tanto que podemos aspirar a escenarios en los que el uso que hacemos de los datos tiene un potencial y una relevancia espectaculares. Los datos pueden venir de distintos de orígenes o silos, sus estructuras son diversas y los mecanismos para recopilarlos, procesarlos y analizarlos son complejos.
En Solusoft investigamos las mejores metodologías para aplicar Business Intelligence en la empresa, en función de las necesidades y situación individuales, y trabajamos en llevarlo a cabo de forma eficaz y sencilla.
Deconstruyendo business intelligence & analytics
Business Intelligence (BI) es un término que engloba un gran número de herramientas, aplicaciones, metodologías, procesos e infraestructuras. El objetivo es disponer de la mejor y más actualizada información para facilitar la toma de decisiones y mejorar procesos o definir estrategias.
El landscape de términos y herramientas relacionados con BI y analítica de negocio es abrumador, por ello, queremos dar una visión sencilla, fácil de comprender, pero completa, de las etapas, esfuerzos y herramientas que implica cada uno.
En el diagrama anterior vemos 3 bloques principales:
- Orígenes de datos On-Premise: son los datos del negocio que se almacenan, como aplicaciones (ERPs u otros), carpetas de trabajo compartidas, bases de datos con clientes, incidencias, emails, etc., servicios internos o públicos, como APIs o webs o las estadísticas de uso.
- Orígenes de datos externos: una empresa no es un sistema aislado, sino que se habla de ellas en las redes sociales, servicios de terceros contratados como Office 365 o G Suite, o despliegues en cloud.
- Workflow / Data factory: proceso de manipulación y procesamiento al que se someten los datos obtenidos desde los orígenes anteriores.
Recuerda que Business Intelligence nos habilita para tomar mejores decisiones, pero la primera buena decisión es, sin duda, empezar a aplicar Business Intelligence en nuestra empresa, ¡y para eso hay que saber en qué consiste!
BI Workflow
Como los datos se encuentran aislados en silos de información y almacenados de forma que no pueden ser accedidos o integrados en otras herramientas, el primer paso es construir los conectores que extraerán esta información y la inyectarán como entrada en el workflow -proceso de ingesta-.
- Ingesta: los datos de los diferentes silos se envían a un sistema escalable y de alta disponibilidad, como un bus de datos, donde se encolan para almacenarlos. El sistema de ingesta debe interoperar con distintas tecnologías y aceptar cualquier formato, ya sean datos estructurados o no estructurados (videos, PDFs, fotografías, etc.).
- Almacenamiento: el primer almacenamiento para los datos, o data lake, unifica y guarda los datos provenientes de los distintos silos en un único repositorio, de manera que en las etapas posteriores el analista de datos tendrá una única fuente de verdad sobre la que lanzar consultas y procesar. El datalake soporta todos los tipos de datos y se mantienen en su forma bruta en el “Schema on Read”. Es decir, el que consulta los datos debe conocer el formato de los datos que consulta. El datalake se adapta a los cambios y es posible añadir nuevos orígenes de datos poco tiempo.
- Prep & Train: los datos “sin esquema” del datalake deben ser procesados y, limpiados y desambiguados. En esta etapa, los datos se normalizan, se convierten a tipos conocidos o a valores de catálogos predefinidos, se eliminan duplicados, se cruzan unos con otros y se completan los elementos que faltan. En el proceso, es posible empezar a incorporar Inteligencia Artificial para generar nuevos datos inferidos a partir de los procesados, como campos descriptivos, de diagnóstico o predictivos.
- Model & Server: los datos estructurados se persisten nuevamente en un sistema de almacenamiento de gran tamaño y capacidad de consulta, llamado Data Warehouse. Puede ser el mismo que se emplea como Data Lake u otro como una base de datos relacional. En esta etapa se diseñan y construyen los servicios de análisis y las consultas específicas que generan la información que utilizaremos en nuestras decisiones. Como el Data Warehouse mantiene un esquema y estructura de datos para consultar información concisa y concreta, es más lento a la hora de incorporar nuevos tipos de datos o consultas, pero la información que arroja es de mayor valor.
- Uso: el propósito del BI es disponer de paneles o elementos informativos en los que conozcamos la situación actual y las previsiones acerca de los principales KPIs del negocio. La forma habitual de consulta suele ser mediante paneles o dashboard donde se muestran gráficas y big numbers específicos. También se pueden crear alertas que se disparen automáticamente a los responsables de un departamento cuando se dan ciertas circunstancias, o incluso recomendaciones prescriptivas (acciones a realizar para mejorar las previsiones del negocio).
Recuerda que Business Intelligence nos habilita para tomar mejores decisiones, pero la primera buena decisión es, sin duda, empezar a aplicar Business Intelligence en nuestra empresa, ¡y para eso hay que saber en qué consiste!
BI meets AI
Cuando se habla de data analytics o Business Intelligence, lo ideal es tener gran cantidad de datos y saber qué hacer con ellos. Gracias a la Inteligencia Artificial y al Machine Learning, las respuestas que un sistema puede llegar a proporcionar con los datos adecuados son cada vez más sofisticadas.
El diagrama siguiente muestra qué preguntas es posible responder en un sistema de Business Intelligence en función de su complejidad y de las herramientas que incorporemos.
- Descriptivo: preguntas básicas que debemos ser capaces de responder utilizando Business Intelligence. Es en lo que se centran la mayor parte de las herramientas existentes. Si definimos los KPIs adecuados, estos se emplean para construir dashboards que permiten entender mejor el negocio. El análisis se hace a posteriori y los datos que se muestran son resultados de lo que ya ha ocurrido.
- Diagnóstico: se implementan en la herramienta de Business Intelligence mecanismos para saber qué ha pasado y por qué ha ocurrido. El objetivo es conocer rápida y fácilmente las causas de un suceso.
- Predictivo: incorporando Machine Learning al flujo de procesamiento de información, el sistema puede disponer de información complicada de conocer si no es con una solución de este tipo. Una solución de Business Intelligence predictiva no solo permite analizar el pasado, sino también el futuro. El sistema puede mostrar tendencias, predecir resultados financieros, etc. apoyándose en el aprendizaje obtenido hasta la fecha.
- Prescriptivo: los sistemas más avanzados se apoyan en la salida de los 3 grados anteriores para predecir situaciones futuras y recomendar acciones correctivas. Por ejemplo, identificar la tendencia de la situación financiera y detectar que no se van a alcanzar los objetivos para diagnosticar la razón y recomendar incrementar la inversión en un área concreta del negocio.
Los sistemas más avanzados no requieren de un observador que analice los datos, sino que el sistema podría emitir notificaciones personalizadas para realizar los cambios a tiempo. Sin embargo, para llegar aquí, hay que implementar las reglas propias del negocio y del sector para conseguir este grado de sofisticación. Aunque suponga una inversión mayor… ¿eres capaz de imaginar como algo así hace despegar nuestro negocio?
