En nuestra publicación anterior abordamos la necesidad de las Pequeñas y Medianas Empresas (PYMEs) de ir más allá de las hojas de cálculo y empezar a usar la Analítica y la Inteligencia de Negocios como diferenciadores competitivos.

PYMEs:  6 enfoques para mejorar la obtención de hallazgos valiosos en sus datos o data insights

En la primera parte  de este artículo,  nuestra publicación anterior del blog, analizamos los primeros tres aspectos  incluidos en este listado.  Se identificaron algunas de las limitaciones de las hojas de cálculo, se analizó la importancia de fortalecer la confianza de los usuarios en los datos y el valor de las herramientas que facilitan la interacción efectiva de los usuarios con sus datos.

En esta segunda y última parte del artículo analizaremos otros tres aspectos relevantes en los cuales deben trabajar las PYMEs que desean mejorar sus capacidades de Analítica y BI, incluyendo el uso de Aplicaciones en la Nube, Big Data y la implementación del Análisis  Predictivo.

Aplicaciones en la Nube para apoyar la expansión de la BI y la Analítica

La Computación en la Nube y el Software como Servicio (SaaS, Software-as-a-Service) para Inteligencia de Negocios, Analítica y almacenamiento de datos han evolucionado, ofreciéndole a las PYMEs más opciones para satisfacer sus necesidades que son muy dinámicas.  La computación en la nube les permite a las PYMEs superar la falta de ciertas habilidades muy especializadas  o de infraestructura de TI.

Muchas organizaciones no pueden esperar hasta tener su propia  infraestructura de gestión de datos  para empezar a analizar el comportamiento de sus clientes y obtener información crítica sobre sus preferencias y patrones de compra.  Con las opciones en la nube, los gerentes podrían enfocarse  en desarrollar la analítica en lugar de tener que enfocarse en configurar su infraestructura de datos.

Las organizaciones que implementan estas soluciones usualmente deben cargar datos periódicamente en sistemas basados en la nube a partir de sus bodegas de datos o de otras aplicaciones del negocio.

Debido a preocupaciones sobre la  seguridad y privacidad de sus datos, algunas empresas no están de acuerdo con colocarlos en sistemas públicos en la nube.  Las nubes privadas, que ofrecen servicios alojados atrás de un firewall,  causan menores preocupaciones de seguridad y privacidad.

De acuerdo con la naturaleza de su negocio y su situación particular, las PYMEs deberían desarrollar arquitecturas de datos híbridas que establezcan qué datos deberán alojarse en sus plataformas internas y qué datos se alojarán en sistemas basados en la nube.

Obtener revelaciones poco comunes de “Big Data” para crear ventajas competitivas

Las hojas de cálculo y las aplicaciones de Inteligencia de Negocios (BI) convencionales tratan principalmente con datos de gestión financiera y de aplicaciones de negocios orientadas a las transacciones. Generalmente estos datos están muy estructurados y concuerdan con modelos construidos para manejar ciertas propiedades y relaciones predeterminadas de los datos.

Sin embargo, muchas organizaciones quieren explorar datos semi estructurados  y no estructurados para encontrar revelaciones poco comunes o data insights valiosos para su negocio.  Algunos ejemplos pueden ser registros de visualización de páginas y secuencias de clics que capturan el comportamiento de clientes en línea, comentarios de redes sociales y ciertos datos generados por sensores.   Los conjuntos de datos semi estructurados y no estructurados pueden ser realmente enormes, de donde surge su nombre popular de “big data”.

Lo usuarios que trabajan solamente con hojas de cálculo y herramientas de BI convencionales no pueden interactuar fácilmente con  “big data” porque sus aplicaciones fueron diseñadas para datos estructurados y usan  esquemas rígidos definidos antes del ingreso de los datos al sistema.

El deseo de explorar otros tipos de datos ha motivado el uso de Hadoop, MapReduce y otras tecnologías de “big data”. Estas aplicaciones almacenan enormes cantidades de datos que no están restringidos a un tipo o esquema predefinido de datos. Las organizaciones pueden desarrollar Analítica para encontrar revelaciones a partir  de estos datos en bruto, sin formato, o podrían decidir limpiarlos y transformarlos para cargarlos a bodegas de datos más estructuradas si lo consideran conveniente.

El uso de “big data” puede ser clave para las PYMEs que están buscando revelaciones sobre la conducta de sus clientes, el sentir de las redes sociales, las tendencias del mercado, o para correlacionar el desempeño del negocio con situaciones externas que le impactan.

Evaluar los beneficios potenciales de implementar el Análisis Predictivo

Los métodos y tecnologías de Análisis Predictivo les permiten a las organizaciones examinar las tendencias de los datos para explorar qué podría suceder a continuación.  El Análisis Predictivo busca que las organizaciones tengan una visión que vaya más allá de los informes de datos históricos (lo que ha pasado) e incluso más allá de pronosticar mediante hojas de cálculo o con el procesamiento analítico en línea (OLAP) herramientas que basan su análisis en lo conocido.  Al usar modelos, al Análisis Predictivo ayuda a las organizaciones a buscar en lo desconocido usando procesos de descubrimiento del tipo “prueba y aprende”.

Las organizaciones pueden obtener información sobre la probabilidad de ciertos resultados con base en elementos como el desempeño de las variables de un modelo y mediciones de reacciones a estímulos. El Análisis Predictivo revela información que tradicionalmente podría tomar semanas o meses de análisis descubrir.  Las funciones de mercadeo usan la analítica predictiva para afinar sus campañas de mercadeo y mejorar la personalización de ofertas.  Otras aplicaciones relevantes son la detección de fraudes, la asignación de recursos, la gestión de riesgos y la modelación financiera.

Las PYMEs pueden beneficiarse del Análisis Predictivo usándolo para anticipar resultados y ser proactivos preparando los recursos necesarios para manejarlos. Las revelaciones tempranas pueden evitarle a una empresa costos innecesarios y reducir la exposición a eventos negativos como el fraude.

Aunque los métodos avanzados como el Análisis Predictivo históricamente han requerido de un fuerte apoyo de especialistas, como científicos de datos, la evolución de las herramientas de software facilita que los usuarios de negocios (no técnicos) puedan aplicarlo con la orientación adecuada.  Las herramientas reducen el tiempo y los gastos de preparación de datos y desarrollo de modelos,  haciendo que el Análisis Predictivo sea más realista y asequible para las PYMEs.

Los gerentes de las pequeñas y medianas empresas deberán evaluar y determinar si las herramientas y plataformas que usan en la actualidad realmente son adecuadas para satisfacer sus necesidades de toma de decisiones basadas en datos.  Definitivamente, la Analítica y la Inteligencia de Negocios se han convertido en diferenciadores competitivos para las PYMEs.  Sin embargo,  la implementación de los métodos y herramientas adecuadas debe ser en forma gradual y debe mantenerse alineada con los objetivos del negocio, para lo cual es fundamental que los líderes de negocios y los líderes de tecnología de la organización trabajen conjuntamente.

Con información de Moving Beyond Spreadsheets, Six Steps for Enabling Small and Midsize Businesses to Gain Data Insights (Stodder, David), TDWI Checklist Report, TDWI Research, 2014.