Una de las definiciones más simples del concepto de inteligencia es: la capacidad para resolver un problema. Con esto en mente, implementar Data Analytics en tu empresa es volverse más inteligente.
Antes de hablar de los beneficios y el sin fin de aplicaciones que seguro ya has podido escuchar, partamos de entender de forma práctica qué es Data Analytics.
Data Analytics es el proceso de analizar información para obtener respuestas asociadas al pasado, presente y futuro de alguna situación.
Como cualquier análisis, se parte de los hechos o en este caso, de los datos. A través de los datos y en función del nivel de complejidad del análisis se van obteniendo las respuestas.
El análisis de datos se puede clasificar en 2 grupos: análisis básico y análisis avanzado. El análisis básico, se enfoca en responder preguntas del pasado mientras que el análisis avanzado busca resolver problemáticas futuras.
El análisis descriptivo responde a la pregunta “¿Qué pasó?” Busca mostrar la información de forma que se pueda interpretar alguna tendencia o algún evento anormal. Todas las empresas realizan este tipo de análisis. El ejemplo más sencillo es ver una gráfica de ventas mensuales o un histórico de gastos. Ambos casos nos permiten conocer qué pasó en cada periodo, detectar algún mes pico o alguna tendencia en el resultado.
El análisis diagnóstico da un paso más en la escala de complejidad. No solo se conforma con saber que pasó, también busca resolver la preguntas “¿Por qué pasó?”. Este tipo de análisis parte de un análisis descriptivo y va más allá para poder asociar los resultados a las causas. Para ello, se realizan cruces de información y esto vuelve el análisis más profundo que el descriptivo.
Cuando se busca más que el entendimiento del pasado, es cuando se recurre al análisis avanzado. Los análisis avanzados de datos se pueden clasificar en 2 tipos:
El análisis predictivo se enfoca en el futuro, respondiendo a la pregunta “¿Qué pasará?”. Lo que vuelve complejo este análisis, es la dependencia de los análisis previos. Para poder predecir es importante contar con un diagnóstico bien realizado, de lo contrario las predicciones serán erróneas.
Muchas de las empresas realizan un análisis predictivo en sus procesos de planificación. Realizar un forecast para estimar la demanda o para poder realizar una compra es un análisis predictivo.
El análisis prescriptivo no solo trata de predecir lo que pasará, busca detectar la mejor opción. Dicho de otra forma, busca responder a la pregunta “¿Qué deberíamos hacer?” Este tipo de análisis es más complejo que el predictivo, debido a que para poder encontrar la opción más viable, es necesario predecir múltiples escenarios. Aquí entran conceptos como la probabilidad y el análisis de más variables para poder elegir la mejor opción.
Cuando una empresa compra o se abastece basado en máximos y mínimos de stock, cuando se decide hacer una compra estratégica o cubrir un stock de seguridad ya está aplicando análisis prescriptivos.
Existe un tercer tipo de análisis avanzado, el cual se distingue del resto por su forma de ejecución.
El análisis cognitivo es un análisis que no sólo busca predecir para tomar la mejor decisión, sino que busca aprender por sí solo. Aquí es donde entran otros conceptos o herramientas como el machine learning, deep learning o IA (inteligencia artificial).
Conoce de la mano de María Andrea Miranda, socia de Grupo Valor y líder de la unidad de analítica de datos, cómo pueden las empresas transformar sus datos en valor.
Ahora que ya tenemos más claro los tipos de análisis podemos entender mejor su necesidad en la actualidad. En un mundo cada vez más competitivo, la velocidad es un factor clave. Las bondades de aprovechar la tecnología en análisis de datos permite tener respuestas más rápido para poder ejecutar soluciones y anticiparnos a las adversidades.
El análisis de datos es una escalera de desarrollo, donde cada nivel cuenta. Lo más importante es comenzar a subir los escalones. Si no sabes en qué nivel se encuentra tu empresa, te recomiendo evaluar estos 5 puntos:
1. Calidad de información. No hay empresas que no generen información, el reto es generar información útil para poder explotarla. Identifica las bases de datos con las que cuentan, su nivel de completitud y estandarización.
2. Nivel de procesamiento. Evalúa el tipo de información que consumes. ¿Es información “cruda”? donde solo se reflejan los datos sin ninguna interpretación. ¿La información que consumo me muestra las causas o me permite detectar los problemas? ¿La información muestra una predicción, me permite anticipar?
3. Método de procesamiento. Es importante identificar mediante que método estamos procesando la información. ¿Utilizamos algún algoritmo?¿cuantas variables consideramos al momento de hacer un análisis? ¿Tenemos procesos que apliquen RPAs o Machine Learning?
4. Vía de consumo. Detecta la forma en que consumes la información. ¿La información la leo en reportes o tablas de datos? ¿cuento con representaciones gráficas que faciliten la lectura? ¿Los indicadores son de fácil interpretación?
