El análisis empresarial es una herramienta cada vez más poderosa para las organizaciones, pero está asociada con curvas de aprendizaje pronunciadas e inversiones significativas en infraestructura.
La idea de usar datos para impulsar una mejor toma de decisiones está bien establecida. Pero el enfoque convencional, centrado en herramientas de informes y análisis, se basa en aplicaciones especializadas y personal altamente capacitado. A menudo, las empresas descubren que tienen que crear equipos de científicos de datos para recopilar los datos y administrar las herramientas, y para generar consultas.
Esto crea cuellos de botella en el flujo de información, ya que las unidades de negocio dependen de equipos de especialistas para interrogar los datos e informar. Aunque las herramientas de generación de informes han mejorado drásticamente durante la última década, con el paso de las hojas de cálculo a los tableros visuales, todavía hay demasiada distancia entre los datos y los tomadores de decisiones.
Las empresas y organizaciones también se enfrentan a una miríada de fuentes de datos. Un estudio de IDC encontró que cerca de cuatro de cada cinco empresas usaban más de 100 fuentes de datos y poco menos de un tercio tenía más de 1000. A menudo, estos datos existen en silos.
Como resultado, los proveedores han desarrollado análisis integrados para acercar a los usuarios a los datos y, con suerte, conducir a una toma de decisiones más rápida y precisa. Los proveedores en el espacio incluyen Thoughtspot, Qlik y Tableau, pero la inteligencia empresarial (BI) y los incondicionales de datos como Informatica, SAS, IBM y Microsoft también tienen capacidades relevantes.
El análisis incorporado agrega funcionalidad al software empresarial y las aplicaciones web existentes. De esa manera, los usuarios ya no necesitan cambiar a otra aplicación, generalmente un tablero o incluso una herramienta de BI, para ver los datos. En cambio, los proveedores de análisis proporcionan interfaces de programación de aplicaciones (API) para vincular sus herramientas a la aplicación host.
El análisis integrado se puede utilizar para brindar a los trabajadores móviles y remotos acceso a la información de apoyo a la toma de decisiones, e incluso a datos potenciales, en movimiento. Esto va más allá de las simples herramientas de alerta: los sistemas con análisis incorporado permiten a los usuarios ver visualizaciones y profundizar en datos en vivo.
Y la tecnología incluso se está utilizando para proporcionar información contextual a los consumidores. Google, por ejemplo, utiliza análisis para presentar información sobre qué tan ocupada estará una ubicación o servicio, en función de variables como la hora del día.
De hecho, algunos proveedores describen el análisis integrado como un “Google para empresas” porque permite a los usuarios acceder a los datos sin conocimientos técnicos ni comprensión de las consultas analíticas.
“En general, mi definición es tener análisis disponibles en el sistema”, dice Adam Meyer, director técnico de productos de Qlik. “Ese no es su tipo de herramienta de BI dedicada, pero más concretamente, creo que es cuando no se da cuenta de que está analizando datos. Está justo ahí.
La tendencia hacia la incorporación de análisis en otras aplicaciones o servicios web refleja la realidad de que hay muchas más personas en las empresas que podrían beneficiarse de los conocimientos que ofrece BI que usuarios de sistemas de BI convencionales.
Las empresas también quieren mejorar su retorno de la inversión en la recopilación y el almacenamiento de datos dando acceso a una mayor parte de la empresa a la información que poseen. Y con el crecimiento del aprendizaje automático y la inteligencia artificial (IA), parte del trabajo pesado asociado con la consulta de datos se está automatizando.
“Lo que estamos tratando de hacer es brindarles a los usuarios no técnicos la capacidad de interactuar con los datos”, dice Damien Brophy, vicepresidente para Europa, Medio Oriente y África (EMEA) en Thoughtspot. “Llevamos esa experiencia similar a la del consumidor, similar a la de Google, a los datos empresariales. Da acceso a los datos a miles de personas, en lugar de cinco o diez analistas en el negocio que luego producen contenido para el resto del negocio”.
En un nivel, los análisis integrados reemplazan los informes estáticos y, potencialmente, también los tableros, sin necesidad de cambiar de aplicación. De esa manera, un especialista en recursos humanos o en la cadena de suministro puede ver y, hasta cierto punto, consultar datos desde su sistema de recursos humanos o de planificación de recursos empresariales (ERP), por ejemplo.
Un ingeniero de servicio de campo podría usar un módulo de análisis incorporado dentro de una aplicación de mantenimiento para ejecutar consultas básicas de “qué pasaría si”, para verificar si es mejor reemplazar una pieza ahora o realizar una reparación menor y hacer un reemplazo completo más tarde.
Analítica integrada para ayudar a la toma de decisiones
Además, los agentes de servicio al cliente están utilizando análisis incorporados para ayudar en la toma de decisiones y para adaptar las ofertas a los clientes.
Los sistemas integrados están diseñados para trabajar con datos en vivo e incluso flujos de datos, incluso cuando los usuarios no necesitan profundizar en los datos. Es probable que las empresas utilicen los mismos datos para impulsar varias herramientas de análisis: los equipos de análisis, desarrollo empresarial o finanzas utilizarán sus propias herramientas para realizar consultas complejas, y un agente de servicio de campo o de atención al cliente puede necesitar poco más que un indicador rojo o verde. semáforo en su pantalla.
“La idea básica es que cada vez que su proceso tradicional de generación de informes encuentre la causa raíz de un problema comercial, entrene su software, ya sea mediante reglas formales si-entonces-si no o mediante aprendizaje automático, para alertarlo la próxima vez que se presente una situación similar. a punto de surgir”, dice Duncan Jones, vicepresidente y analista principal de Forrester.
“Por ejemplo, suponga que necesita investigar a los proveedores que se retrasan en la entrega de artículos importantes. En el enfoque anterior, crearía informes sobre el desempeño del proveedor, con KPI y tendencias de entrega a tiempo, y lo analizaría minuciosamente en busca de los de bajo desempeño.
“El nuevo enfoque es crear eso como una vista dentro de su pantalla de inicio o tablero, que lo alerta continuamente sobre los que tienen peor desempeño o los que se deterioran rápidamente, y activa un flujo de trabajo formal para que registre las acciones que ha tomado, como contactar ese proveedor para averiguar qué está haciendo para solucionar sus problemas”.
Este tipo de alerta ayuda a las empresas porque acelera el proceso de toma de decisiones al proporcionar un mejor acceso a los datos que ya posee la organización.
“Es en parte la necesidad de las empresas de moverse más rápido, de reaccionar más rápidamente a los problemas”, dice Jones. “También es la evolución de la tecnología para hacer que el análisis integrado de alertas sea más fácil de entregar”.
Los proveedores de análisis integrados también están aprovechando la tendencia de las empresas de almacenar más datos en la nube, lo que facilita la vinculación a múltiples aplicaciones a través de API. Algunos van un paso más allá y también ofrecen servicios analíticos: es posible que una empresa ya no necesite experiencia en BI, ya que el proveedor puede ofrecer sus propias capacidades analíticas.
Nuevamente, esto podría ser a través de la nube, pero entregando los resultados a los usuarios en su propia aplicación. E incluso podría ir más allá al permitir que diferentes usuarios analicen datos en sus propias aplicaciones nativas de flujo de trabajo.
Un dispositivo médico “inteligente”, como un inhalador para el asma, podría proporcionar los datos clínicos de un individuo a su médico, pero anonimizar y agregar datos al fabricante para permitirle planificar mejor la capacidad de fabricación de medicamentos.
“Los datos ahora están cambiando tan rápido que realmente necesita informes intradía”, dice Lee Howell, especialista en análisis de PA Consulting. “Si podemos poner eso en un portal y permitir que las personas lo vean como sucedió, o interactúen con él, entonces podrán profundizar en él.
“Es poner esos datos donde los empleados puedan usarlos y esos empleados pueden ser cualquiera, desde el director ejecutivo hasta personas en operaciones”.
Pero si la ventaja de la analítica integrada radica en su capacidad para adaptar los datos a las funciones de los usuarios y las aplicaciones del día a día, todavía se basa en los fundamentos de los sistemas de BI robustos.
Las empresas que están considerando el análisis integrado deben analizar la calidad de los datos, la protección de los datos y el gobierno de los datos.
También deben prestar atención a la seguridad y la privacidad: el almacén de datos central o el lago de datos pueden tener controles de seguridad sólidos, pero ¿la aplicación se conecta a través de una API? El software del cliente que incrusta los datos debe tener los mismos niveles de seguridad.
Los datos más limpios son críticos
Y, aunque la limpieza de datos siempre es importante para un análisis efectivo y una inteligencia comercial, se vuelve aún más crítico cuando los usuarios no son científicos de datos. Necesitan saber que pueden confiar en los datos, y si los datos son imperfectos o incompletos, esto debe señalarse.
Un científico de datos que trabaje en un equipo de análisis tendrá una percepción instintiva de la calidad y confiabilidad de los datos, y comprenderá que los datos no necesitan estar 100 % completos para mejorar la toma de decisiones. Pero un usuario en el campo, o un alto directivo, podría no hacerlo.
“El análisis integrado continúa la democratización de los datos, brindando datos e información directamente al usuario comercial dentro de su flujo de trabajo natural”, dice Greg Hanson, vicepresidente de EMEA en Informatica.
“Esto fomenta una cultura de toma de decisiones basada en datos y puede acelerar el tiempo de generación de valor. Sin embargo, para los CDO [chief data officers] y CIOs, la pregunta crucial debe ser: ‘¿es precisa, es confiable y puedo confiar en ella?’ Para que los programas de análisis integrado sean un éxito, las organizaciones necesitan la confianza de que los datos que los alimentan provienen de las fuentes correctas, son de alta calidad y se entiende el linaje”.
Los CDO también deben considerar comenzar poco a poco y escalar. La utilidad de los datos en tiempo real variará de un flujo de trabajo a otro. Las API de algunos proveedores se integrarán mejor con la aplicación host que otras. Y los usuarios necesitarán tiempo para sentirse cómodos tomando decisiones basadas en los datos que ven, pero también para desarrollar una idea de cuándo es mejor pasar las preguntas al equipo de análisis o ciencia de datos.
“Las organizaciones, como parte de su próximo paso adelante, acudieron a nosotros con su infraestructura en la nube o lagos de datos ya implementados, y comenzaron a transformar su ingeniería de datos en algo que se pueda usar”, dice Howell de PA. “A veces ponen varios casos de uso pequeños como prueba de concepto y prueba de valor. Algunos datos no se utilizan tan bien como podrían. Creo que será una capacidad en continua evolución”.
