shadow

Data & Analytics, el nuevo petróleo

analitica-big-data_hiHace tiempo que las empresas utilizan, en mayor o menor medida, técnicas de Data & Analytics (D&A). Aunque pocas están sacando jugo a esta metodología, que consiste en capturar, tratar y analizar ingentes volúmenes de datos para intentar predecir el futuro. Ése es el objetivo. Anticiparse. Encontrar patrones de comportamiento que se repitan en tal cantidad de casos que se pueda determinar, casi con toda certeza, que hay una íntima relación entre A y B. Salen a la luz relaciones y correlaciones, realidades que estaban ocultas. “La genialidad del Data & Analytics no estriba en las montañas que permite escalar, sino en la vista que proporciona cuando uno está en la cima”, explican los expertos en Big Data de KMPG.

 En el mundo del Data & Analytics se distinguen cuatro estadios o fases.

La primera etapa es la del análisis descriptivo: los datos recolectados ayudan a conformar una visión completa sobre lo que está pasando en la compañía. Inicialmente el análisis se centra en parcelas o áreas concretas. Analizar el comportamiento, las necesidades y la actitud del consumidor para tener un mejor conocimiento de los clientes es uno de los principales usos de la analítica de datos. A partir de ahí, lo lógico es que se vaya extendiendo a lo largo y ancho de la organización. “Uno de los desafíos iniciales más importantes es superar los silos de información que habitualmente pueblan las organizaciones. Lo interesante de los datos es precisamente tenerlos integrados para poder cruzarlos y buscar los insightsocultos.

La siguiente etapa es el diagnóstico: no sólo se describe la situación sino que también se indaga en el porqué, en la causas.

El tercer estadio es el análisis predictivo. Ya no se trata sólo de mirar al pasado, sino de anticiparse al futuro. De intentar predecir qué va a pasar o, al menos, que podría pasar. Aerolíneas, ascensores, minería, energía y, en general, los sectores que utilizan maquinaria pesada son usuarios del análisis predictivo aplicado al mantenimiento de esa maquinaria. El objetivo es ahorrar tiempo y dinero en mantenimientos programados o reparaciones a posteriori y llevar a cabo el mantenimiento cuando los datos e información captada por los sensores así lo aconseje.

Por último el llamado análisis prescriptivo. Aquí la cuestión no es qué va a ocurrir, sino qué tengo que hacer para que eso ocurra. Es decir, si tras la situación A, normalmente sucede la situación B, ¿qué hay que hacer para generar automáticamente B? El análisis prescriptivo es al que todas las compañías aspiran. Pero conseguirlo exige contar con toda la infraestructura que se ha ido desarrollando en los pasos previos. Sólo así se pueden hacer simulaciones para detectar el camino correcto para lograr el objetivo perseguido.

El análisis prescriptivo casi que viene dado cuando uno ha llegado a la etapa previa porque, en realidad, es una versión del análisis predictivo que, a diferencia de éste, te permite anticipar posibles consecuencias según las acciones que uno lleve a cabo de entre diferentes opciones y también recomienda la mejor acción para lograr el objetivo perseguido.

Monetizar los datos

Estos estadios o etapas ponen el foco tanto en la mejora de la eficiencia y de los procesos –mantenimiento predictivo- como en la búsqueda de nuevos ingresos, conocimiento del cliente, lanzamiento de nuestros productos y servicios ajustados a sus gustos. La monetización de los datos, es decir, la venta de éstos a terceros de forma agregada y anónima, es una actividad que nos encontramos en estadios ya avanzados de desarrollo de D&A en las organizaciones.

Pero, para llegar a ese punto, hay mucho que aquilatar previamente. “Data & Analytics tiene la capacidad de desbloquear y sacar a la luz un enorme valor, pero primero hay que confiar en lo que los datos están diciendo.

La pregunta obligada es: ¿Qué están haciendo las empresas líderes en D&A para superar ese escepticismo y sacar realmente provecho al enorme potencial que ofrece la analítica de datos? Sólo las compañías que superen esa desconfianza e implementen de forma efectiva esta tecnología liderarán de verdad el futuro.

Claves para el éxito

Para tener éxito, Data & Analytics requiere la participación e implicación de muchos aspectos. Empezando por los datos capturados, que deben ser fiables y de calidad (si no lo son, no se llegará a ningún sitio), ofrecer una visión integral y no silos de datos. Siguiendo por el análisis que se llevan a cabo y las hipótesis y correlaciones que se establecen teniendo siempre presente que la relación causa efecto no siempre es directa y exacta. Pasando por la implicación de la alta dirección para orientar a toda la organización hacia los datos en la toma de decisiones. Y, por supuesto, abordando una correcta gobernanza de los datos para garantizar su protección y seguridad. Éstas serían las ocho claves para dar el salto del conocimiento al valor en Data & Analytics.

Sólo siguiendo estos pasos y, aplicando una correcta gobernando de los datos, se les sacará valor, se afianzará la confianza y se evitarán problemas reputacionales que puedan surgir ante cualquier brecha en la seguridad. Una brecha que desataría recelos entre los consumidores e impediría a la sociedad en general beneficiarse de los espectaculares avances que el Data & Analytics va a impulsar tanto en el campo de la empresa como de la educación, la medicina, la ciencia y la investigación, por citar algunos. Como dicen en una gran compañía de asistencia sanitaria, sólo si los ciudadanos tienen confianza en los datos y la gestión que las compañías hacen de los mismos, se animarán a ceder sus datos para la investigación científica y descubrirán que este simple hecho ayudará a salvar más vidas que la donación de órganos.


Fuente: El Independiente

Deja un comentario

Tu dirección de correo electrónico no será publicada.

Digíta la respuesta para comentar *