Analítica predictiva: la nueva inteligencia de negocios

La inteligencia de negocios ha pasado de los informes estáticos que te dicen lo que ya pasó, a cuadros de mando interactivos donde se puede profundizar en la información para tratar de entender lo que ha ocurrido.

Las nuevas grandes fuentes de datos, incluyendo el Internet de las cosas (IoT), están empujando a las empresas desde este tipo de análisis reactivos a tratar de conseguir una analítica más proactiva que proporcione alertas y cuadros de mando en tiempo real. De esta forma se consigue un mejor uso de los datos operacionales, ya que los datos se utilizan mientras todavía son actuales, antes de que las condiciones hayan cambiado.  

Inteligencia de negocios en tiempo real

En la actualidad hay una demanda de cuadros de mando en tiempo real y con acceso a través de la nube. Las empresas quieren una inteligencia de negocios que les permita tener el pulso de su negocio, de forma que puedan reaccionar justo cuando las cosas están ocurriendo. Sin embargo, los cuadros de mando tradicionales muestran las cosas que ya han sucedido.

Por esa razón, de acuerdo al Cuadrante Mágico de analítica avanzada de Gartner del año  2016, el área que crece más rápidamente en el ámbito de la inteligencia de negocios es la predictiva, junto con otras analíticas avanzadas. Según este informe, para el año 2018 más de la mitad de todas las grandes organizaciones en todo el mundo van a utilizar la analítica avanzada y los algoritmos incorporados en ella para competir.

Los análisis avanzados y predictivos se basan en el cálculo de tendencias y posibilidades futuras, en la predicción de posibles resultados y en la formulación de recomendaciones. Eso va más allá del uso de consultas e informes mediante las herramientas de Business Intelligence más familiares. Ahora se trata de métodos más sofisticados como minería de datos descriptiva y predictiva, machine learning, y simulación y optimización que busca tendencias en unos datos que, a menudo, son una mezcla de estructurados y no estructurados.

Esta inteligencia de negocios trata de responder a preguntas sobre predicción de la demanda, búsqueda de problemas en el servicio, buena calidad de los productos, etc., mediante la detección de anomalías. Son preguntas como “¿qué podría suceder?” y “¿qué debo hacer?”.

Se trata de saber por qué suceden las cosas. Por ejemplo, si las ventas bajaron en el último trimestre, ¿bajaron porque los tres principales acuerdos no se cerraron o porque el tamaño promedio de la oferta bajó? ¿Cómo se pueden dividir o seleccionar los datos para averiguarlo?

Si tenemos un panel de control con informes con los que se puede interactuar para entender por qué sucede algo, entonces podríamos llegar a una predicción. No solo que después del hecho de que las ventas se hayan reducido podamos saber por qué, sino que podamos saberlo de antemano basándose en un pronóstico.  

La última pieza es la recomendación y automatización de decisiones. En última instancia, se debería conseguir un lugar donde el sistema esté informando proactivamente, no solo qué puede suceder, sino también, qué se puede hacer. Algo así como avisarte de que no vas a poder cumplir con tu objetivo la próxima semana y basándose en eso que pueda sugerir dos promociones alineadas y que estas además se enlacen con tu sistema CRM. 

Conclusión

Ya se trate de Internet de las cosas, big data o machine learning, las compañías tienen ahora muchos más datos en los que basar sus decisiones. El siguiente paso más allá de las decisiones basadas en datos es conseguir una inteligencia de negocios predictiva con sistemas de soporte a las decisiones e incluso de automatización.