La creación de valor añadido dentro de la Inteligencia de Negocio (BI) ha seguido un patrón evolutivo constante durante las últimas décadas. La capacidad de democratizar y expandir la base de usuarios de soluciones analíticas, se correlaciona directamente con grandes impulsos empresariales. Podría decirse que la Inteligencia de Negocio, a escala empresarial, dio sus primeros pasos con aproximaciones altamente técnicas, como SAS, a mediados de la década de 1970, accesible solo para una pequeña fracción de empleados altamente especializados. La integración de prácticas de BI comenzó su verdadero impulso durante los años 90 con la llegada de soluciones como SAP Business Objects, creando una capa de abstracción sobre el lenguaje de consulta para permitir que una franja más amplia de empleados ejecutara inteligencia empresarial mediante objetos visuales como gráficos o matrices: Sin ir más lejos, Excel también fue responsable de esta mirada más introspectiva por parte de las empresas hacia su gestión.
Business Intelligence 3.0
Una tercera «revolución» del BI, llamémosla 3.0, llegó en la última década, ya que soluciones como Alteryx o QlikView, actualmente Qlik Sense, han proporcionado interfaces muy sencillos del estilo “lo que ves es lo que hay”, los cuales expandieron aún más la accesibilidad del BI.
Pero en muchos casos, el BI todavía implica que los analistas escriban complejas consultas SQL para analizar grandes conjuntos de datos y, de esa forma, crear información digerible por ejecutivos no técnicos mediante horas y horas de limpieza y adecuación de datos. Así, creando en ocasiones un cuello de botella de la confianza, provocando que conclusiones evidentes sobre los procesos productivos se empañen, pues sus ejecutores y decisores siguen sin entender el origen de sus propios datos, si no ya su valor intrínseco o, peor aún, qué significan.
Si bien este paradigma 3.0 continúa en crecimiento, con arquitectos de base de datos diseñando complejas estructuras de almacenamiento para alimentar herramientas y cuadros de mando cada vez más potentes, un nuevo paradigma de BI está surgiendo y aumentando en importancia en la actualidad, por no hablar de su prometedor futuro en los próximos años. Uno en el que la inteligencia artificial absorbe preguntas e ideas relevantes, cuando no las genera ella misma, proponiendo soluciones e implementaciones a las mismas mediante aplicaciones de terceros con bajo coste y alto nivel de especialización. Ya sea con estas herramientas ofertadas como servicios en la nube, la tendencia natural, o aplicativos a medida en la red corporativa de cada empresa, una visión más profunda de los negocios debe salir a la luz para asegurar su supervivencia.
Esta cuarta ola de BI aprovechará los poderosos avances de la inteligencia artificial para democratizar aún más la analítica, de modo que cualquier especialista de la línea de negocio pueda supervisar recomendaciones más perspicaces y prescriptivas que nunca, sin tener que ser un experto en conceptos estadísticos o siquiera saber remotamente que es una sentencia SQL.
En esta cuarta ola, se invertirá el orden tradicional de BI: este método generalmente comienza con un analista técnico que investiga una pregunta específica. Por ejemplo, un minorista de productos electrónicos puede preguntarse si una mayor diversidad de neveras en zonas geográficas específicas aumentará las ventas y en qué proporción. El analista combina fuentes de datos relevantes, tal vez un sistema de gestión de inventario y un sistema de facturación, e investiga si existe una correlación y la verifica sobre un modelo hipotético. Una vez que el analista ha completado el trabajo, presenta una conclusión sobre el comportamiento pasado y así extrapolarlo a futuro. Finalmente, otros técnicos crean una visualización para los tomadores de decisiones comerciales, consumidores finales de datos, sobre un sistema como Tableau, Looker o Power BI, que se puede volver a visitar a medida que cambian los datos del día a día.
Este método de investigación funciona bastante bien, asumiendo que el analista hace las preguntas estratégicas, el número de variables es relativamente bien entendido y finito, y el futuro sigue comportándose de manera similar al pasado. Sin embargo, este paradigma presenta varios desafíos potenciales a medida que las empresas continúan acumulando nuevos tipos de datos, los modelos comerciales y los canales de distribución evolucionan y los ajustes competitivos y del consumidor en tiempo real causan interrupciones constantes.
O simplemente una pandemia a nivel mundial hace volar por los aires la concepción tradicional de nuestra propia vida diaria así como de cualquier negocio…
En cuanto a los desafíos más claros y evidentes que tienen las empresas para adoptar este paradigma 4.0.:
- La cantidad de datos que se producen hoy en día es increíblemente grande y se está acelerando. IDC predice que la creación de datos en todo el mundo crecerá a 163ZB para 2025, 10 veces más que en 2018. Con esa cantidad de datos, la capacidad de concentrarse en las variables que importan es similar a encontrar una aguja en un pajar.
- Los modelos de negocio y la forma de llegar a los clientes son cada vez más variados y complejos. La distribución multimodal (digital, D2C, dirigida por distribuidores, minorista, comercio electrónico), los clientes internacionales, el uso de dispositivos móviles y los canales de marketing (redes sociales, motor de búsqueda, apps, smart tv, etc.) han cambiado la dinámica de la toma de decisiones y hacen el análisis demasiado lento para la velocidad de cambio en los hábitos de consumo.
- Los clientes tienen más opciones y pueden cambiar sus preferencias y abandonar las marcas más rápido que nunca. La nueva competencia surge tanto de gigantes tecnológicos como Amazon, Google, Microsoft y Apple como de una cantidad récord de startups respaldadas por empresas con una alta capacidad innovadora.
Business Intelligence 4.0
Las plataformas enriquecidas con IA que definirán la cuarta ola de BI comienzan procesando y combinando cantidades masivas de datos para encontrar y mostrar patrones y conocimientos estadísticos relevantes. Un analista de datos aplica su juicio a esta miríada de conocimientos para decidir qué patrones son realmente significativos o procesables para la empresa. Después de profundizar en las áreas de interés, la plataforma sugiere acciones potenciales basadas en correlaciones que se han visto durante un período más extenso, nuevamente validadas por el juicio humano.
Ha llegado el momento de que prolifere esta metodología: los avances en inteligencia artificial se están poniendo en línea junto con el crecimiento de proveedores de datos de terceros nativos de la nube como Snowflake. Al mismo tiempo, las empresas sienten cada vez más la tensión que la complejidad empresarial y la proliferación de datos ejercen sobre sus procesos de BI tradicionales, necesitando respuestas predictivas y prescriptivas, no solo descriptivas.
Este espacio de análisis de datos ha generado algunas empresas increíbles capaces de abordar este desafío. En los últimos seis meses, Snowflake saltó a las 10 principales empresas en la nube con una valoración superior a los 70.000 millones de dólares, y Databricks recaudó 1.000 millones de dólares con una valoración de 28.000 millones de dólares. Ambas empresas, junto con ofertas similares de Amazon Web Services y Google Cloud, con su potente plataforma IA, son habilitadores vitales para el análisis de datos moderno, ya que proporcionan almacenes de datos donde los equipos pueden aprovechar para el análisis el almacenamiento y la computación flexibles basados en la nube. Además, estas plataformas proporcionan herramientas y add-ons que evolucionan mes a mes, facilitando el acceso a legos en lides matemáticas.
Las verticales de la industria, tanto para el comercio electrónico como para el minorista, bajo la fuerte presión de los tres desafíos descritos anteriormente, están comenzando a ver emerger plataformas específicas de la industria para brindar capacidades de BI 4.0: por ejemplo plataformas como Tradeswell, Hypersonix, Soundcommerce o MindMeld, orientada esta última a la implementación de interfaces de voz y chatbots. En el sector de la energía y los materiales, plataformas como Validere y Verusen están ayudando a abordar estos desafíos mediante el uso de IA para aumentar los márgenes de los operadores. ¡Incluso se están implementando plataformas especializadas en juicios, como Premonition!
Además, otras plataformas tecnológicas como Outlier, Unsupervised y Sisu, orientadas quizás a un trabajo más estadístico, han demostrado la capacidad de extraer exponencialmente más patrones de un conjunto de datos de lo que podría hacer jamás un analista humano.
Estos son ejemplos de plataformas de BI intuitivas que alivian las tensiones, antiguas y nuevas, a las que se enfrentan los analistas de datos. Y podemos esperar ver más emergiendo en los próximos años. ¿Quieres quedarte atrás?
¿Hablamos?
* Para cumplir con la nueva Ley de Protección de Datos y que tus datos estén a salvo, debes leer y aceptar mi politica de privacidad.
Tus datos están a salvo con nosotros porque cumplimos con el RGPD (Reglamento General de Protección de Datos) y esta es la info que debes saber:
- Responsable: Idea Consulting (Idea Consultoría Informática S.L.)
- Finalidad: Gestionar el envio de información y prospección comercial
- Legitimación: Consentimiento interesado
- Destinatarios: No se cederán datos salvo disposición legal
- Derechos: Acceder, rectificar y suprimir los datos, así como otros derechos, como se explica en la información adicional
- Información adicional: Puede consultar información adicional sobre Protección de Datos en nuestra politica de privacidad
