¿La ciencia de datos deja atrás a la inteligencia de negocios?

| Escrito por
Categorizado en Business Intelligence

Las herramientas digitales y las técnicas de la inteligencia de negocios en el sentido tradicional están experimentando un cambio importante. Para las empresas es importante entender en qué consiste, por lo que implica y por la velocidad a la que ocurre. Es necesario considerar a la inteligencia de negocios en un sentido más amplio, a riesgo de quedar atrás o no aprovecharla en su más amplio alcance. 

El tsunami de los datos 

En el curso de los últimos años, los costos de los medios para almacenar datos o para crecer la capacidad de procesamiento han caído de manera sorprendente. Una consecuencia ha sido que las empresas optan cada vez más por recabar todos y cada uno de los trozos de información a su alcance. Almacenan toda clase de datos en escalas no imaginadas, desde estadísticas pormenorizadas de sus volúmenes de ventas hasta terabytes de documentos duplicados, que sus colaboradores guardan como adjuntos en sus carpetas de las cuentas del correo electrónico empresarial. 

De manera paralela, hemos sido testigos del surgimiento de empresas que identificaron el valor estratégico que pueden darle a la información y enfocaron sus esfuerzos de análisis sobre cuestiones más complejas que las habituales preocupaciones sobre el desempeño del negocio en cierto trimestre o ejercicio anual. Los ejemplos extremos son casos como Netflix, Facebook, Uber y Amazon. Presentándose como empresas en las industrias del entretenimiento, las redes sociales, el transporte urbano o el comercio en línea respectivamente, desde un principio se concibieron a sí mismas como data businesses, es decir, empresas en la industria de los datos. Su estrategia consistió en desarrollar y potenciar sus data teams, pidiéndoles estudiar los datos de negocio para que sirvieran como sustento de las decisiones que les permitieran adelantarse a sus competidores.  

La cuestión en lo que a datos se refiere es que esta estrategia no es solo una cuestión de analizar más datos. Desde luego, esas empresas procesan muchos más datos mucho más velozmente, pero hay una diferencia cualitativa en las preguntas que contestan mediante sus análisis.  

En una empresa donde ya se tiene familiaridad con las herramientas de inteligencia de negocios, este recurso se aplica a conjuntos de datos relativamente acotados para responder lo que suele interesar a los departamentos de ventas o de mercadotecnia. Estas cuestiones suelen ser de naturaleza retrospectiva y aportan las métricas de negocio estándar. Pero las capacidades de procesamiento actuales, en manos de un equipo perito en la ciencia de datos, puede contestar preguntas que anteriormente no tenía sentido formular. Por ejemplo, ¿cómo se pueden optimizar las rutas de reparto en función no solo de la longitud de recorridos sino del tráfico urbano y el óptimo uso de la capacidad de carga del vehículo? De esta capacidad surge el concepto del data driven business, le negocio basado en datos. Este concepto va más allá de la inteligencia de negocios en un sentido tradicional. 

El riesgo del exceso  

En vista del valor que pueden tener los datos como materia prima para la toma de decisiones, sumado a las técnicas de procesamiento —data science (o ciencia de datos) como se le conoce—, es necesario señalar que almacenar datos sin tener un propósito de negocio definido es de poco provecho. Dos razones sobresalen. Por un lado, la gestión de grandes volúmenes se vuelve más complicada y costosa. Por el otro, la ausencia de “dueño” definido propicia que la información acumulada permanezca ahí, sin propósito ni beneficio, lo que comienza a conocerse como como dark data (datos oscuros). 

Almacenar datos también implica la responsabilidad de asegurar su confidencialidad. Mientras mayor sea su volumen, el repositorio que los guarda será un botín más atractivo para los ciberatacantes. Aunque el valor de la información sea relativo, el solo desprestigio que resulta de sufrir un ataque causa un daño considerable a quien lo padece. A consecuencia del escándalo de Cambridge Analytica,  el valor de mercado de Facebook cayó 35 mil millones de dólares, según Fortune. 

Además, almacenar, proteger y procesar datos consume considerables cantidades de energía, lo que agranda la huella de carbono de las empresas. Es una cuestión de prestigio que atraerá más y más la atención de la opinión pública en los años por venir, pues se estima que, para mediados de esta década, los centros de datos consumirán la quinta parte de la electricidad generada a nivel mundial.  

Para evitar el dispendio, las empresas deben considerar al menos tres asuntos 

Definir propósitos. Los usos principales que se puede hacer de los datos son tres: orientar la operación, cumplir con estándares y normas, sean de la empresa, de la industria o de la autoridad y posibilitar la toma de decisiones con conocimiento de causa. Cualquier dato que no esté claramente asociado a uno o más de estos aspectos, probablemente acabe como dark data, consumiendo recursos inútilmente. 

Estructurar los datos. Existen varios tipos de datos (nominales, ordinales, discretos y continuos) y no es materia de este texto explicar el asunto. Su correcta categorización es el primer paso para determinar qué técnica de análisis estadístico habrá de aplicárseles para obtener la mejor comprensión —los insights, como se suele decir— de una determinada situación.  

Emplear los imprescindibles. La reflexión humana tiene dos modos básicos para proceder, intuición o análisis numérico. La intuición es gratis; lo segundo consume recursos, pero en el entorno actual, volátil, incierto, complejo y ambiguo, es más certero. Por eso, los usuarios de la información deben determinar cuáles datos son los que realmente aportan valor para la toma de decisiones. 

Los riesgos de no mirar más allá 

Harry Glaser, CEO de una empresa que ofrece “una plataforma de análisis punta a punta a los data teams” según su propia descripción, publicó en Forbes un artículo donde afirma categóricamente que la inteligencia de negocios entendida en el sentido tradicional ya no es suficiente en la actualidad.  

De acuerdo con Glaser, las herramientas de Business Intelligence tradicionales permiten a los usuarios comunes (es decir, personas que no tienen especialización en ciencia de datos) consultar y manipular conjuntos de datos a partir de modelos desarrollados por profesionales en TI. Obtienen respuestas rápidas acerca de materias que les son familiares. Pero sostiene que ceñirse a ese alcance limitado entraña un riesgo. “En mi opinión, este modelo de análisis de datos pertenece al pasado, pues carece de la velocidad, poder y flexibilidad que daría a una compañía una ventaja competitiva”. 

Si una empresa afirma estar basada en datos, de acuerdo con Glaser, corre el riesgo de autoengañarse, si no lleva las cosas hasta sus últimas consecuencias. Para eso, será cada vez más necesario que las empresas constituyan formalmente un área en torno a la ciencia de datos. “Imaginen una empresa que dice estar basada en ventas (sales-driven) pero no tiene un departamento de ventas o una que dice estar basada en clientes (customer-driven) pero no tiene un equipo de servicio al cliente dedicado. Su intención es buena, pero no hacen lo necesario para que lo que dicen sea verdad”. 

La fórmula del data team  

Es cierto que el argumento de Glaser se basa en una concepción estricta de la inteligencia de negocios: es una herramienta informática que permite al lego obtener respuestas de negocio sin necesidad de que comprenda todo el sustento matemático detrás del procesamiento de datos. En este sentido, se comprende que proponga la necesidad de que las empresas se alleguen de profesionistas en la ciencia de datos, pues solo así lograrán responder a las preguntas más importantes, si usan la combinación adecuada de herramientas digitales y personal capacitado. “Hay que apalancar un data team que pueda crear un ambiente en el que los usuarios de negocio (léase los legos en ciencia de datos) puedan explorar por su cuenta, sin tirar código”, afirma.  

La clave está en el intercambio entre usuarios técnico y usuarios de negocio. A medida que se adentran en las particularidades de una cierta organización, los equipos de expertos podrán incorporar a más y más usuarios no expertos. Estos nuevos participantes tendrán sus propios puntos de vista y sus interrogantes, cuya resolución empujará a los expertos a explorar los conjuntos de datos con nuevas técnicas de procesamiento. De una inquietud a un ensayo a la puesta a prueba del resultado, aprenderán a extraer información de valor estratégico basada en datos.  

Lennken Group es una empresa con larga trayectoria a la vanguardia en la implantación y la asesoría sobre cómo aprovechar las tecnologías digitales para los negocios. Una de nuestras cinco especialidades es la inteligencia de negocios. Si te interesa saber más sobre business intelligence o ciencia de datos, envía un correo a contacto@lennken.com.  

Mauricio Prieto

CEO de Lennken Group

Entradas populares