Cómo usar bigdata y analítica de negocio para optimizar tu empresa

cómo usar bigdata y analítica de negocio

Vamos a explorar las formas en que las organizaciones pueden optimizar el valor de sus datos.

Muy conocida es la máxima “quién tiene la información, tiene el poder”, bien, pues esta frase es cierta hasta cierto punto porque ese poder le llegará a la empresa una vez los datos han sido refinados y analizados. ¿Cómo?

Hasta ese momento, de lo que disponen las empresas es de una cantidad considerable de “datos sin pulir”.  Si queremos transformar esos datos en conocimiento útil para la tomas de decisiones, es cuando hemos de aplicar disciplinas como el bigdata, la analítica de negocio o inteligencia empresarial y el análisis de datos.

Son estas herramientas la que le permiten a tu empresa: analizar, administrar y manipular esa ingente cantidad de datos. Y solo si en tu empresa se realizan análisis exhaustivos de datos, se podrán dar respuestas a preguntas tales como:

  • Qué productos ofrecer a qué clientes,
  • Cómo optimizar precios de acuerdo a la utilidad total esperada
  • Cómo mejorar el control de inventarios

Funciones de la analítica de datos en las empresas

Hay consenso en que, dentro de la analítica de negocio, existen tres funciones específicas:

  • Análisis descriptivo: el objetivo es la organización de la información ya sea mediante la segmentación o categorización de la misma, así como por la minería de datos.
  • Análisis de predicción: Encontrar tendencias, patrones y relaciones en los datos, para llegar a entender las causas y anticiparse a lo que sucederá.
  • Análisis de optimización: Ayuda a elegir la mejor opción posible de los cientos de posibilidades que se pueden obtener.

Tipos de análisis de datos

  • Análisis periódicos: los que realizamos en base a dashboards o informes ya definidos y que hacemos semanal o mensualmente (como por ejemplo análisis de las campañas en medios de pago).
  • Análisis ad-hoc: los que debemos realizar porque haya surgido una situación inesperada o porque hemos detectado algo en el análisis estándar (en el primero tenemos que ser especialmente ágiles).

Es necesario que diferenciemos…

– Análisis de datos (DA)

El Análisis de datos (DA) es la ciencia que examina datos en bruto con el propósito de sacar conclusiones sobre la información. Es una ciencia que examina datos en bruto para sacar conclusiones . El análisis de datos se distingue de la extracción de datos (o data mining) por su alcance, su propósito y su enfoque sobre el análisis.

 – Análisis de bigdata

Es el proceso de examinar una gran cantidad de datos para descubrir patrones ocultos, correlaciones desconocidas e información útil.  Normalmente este tipo de análisis se lleva a cabo en instituciones oficiales que manejan muchos datos o en empresas grandes. Las fuentes de datos pueden incluir registros del servidor web y datos de seguimiento de clics en internet, informes de actividades sociales, medios de comunicación, teléfonos móviles registros detallados de llamadas y la información captada por los sensores. Para las empresas supone un paso más que el que ofrece la analítica o inteligencia de negocio.

– Inteligencia de negocio o inteligencia empresarial

En el caso del análisis de dashboards recurrimos a su automatización. Un panel de BI o business intelligence es una interfaz gráfica que muestra el estado actual de las métricas e indicadores claves de rendimiento (KPIs) para una empresa.

Bigdata y empresas

Según la consultora Ventana Research el análisis es el motor y los datos constituyen  el combustible que permiten tomar mejores decisiones de negocio. En lo que se refiere a bigdata y empresas, son cada vez más las que hacen un buen uso de esta herramienta para saber más sobre sus consumidores. Así, la cadena de supermercados Walmart consiguió adelantarse al gobierno de Estados Unidos ante la catástrofe del huracán Katrina. ¿Cómo lo consiguió?. Lo consiguió gracias a que tenía ya relizada la lista de la compra típica en situaciones similares de catástrofes naturales.

Otro ejemplo de ventaja competitiva gracias al bigdata es el de la empresa norteamericana Netflix que gracias a esta tecnología de análisis de datos consiguió recabar los gustos de sus usuarios y con ellos creó la serie House of Cards.

En el caso de Amazon,, explota tan bien el bigdata que llega a averiguar con gran rapidez no sólo los libros que decimos que nos gustan, sino los que realmente nos gustan. Su gran aliado es el lector electrónico kindle. es una de las empresas pioneras y sabe cruzar datos de manera más que eficiente para que las recomendaciones típicas en su web de “si has leído esto, puede interesarte esto otro” den en el clavo.

Por último, Nike y sus wearables que le permiten extraer una cantidad ingente de datos de sus consumidores y emplearla para venderles más productos. En España, la marca de calado internacional, el grupo Zara ha logrado rentabilizar el gran volumen de datos extraído de su actividad comercial gracias a un excelente uso de tecnología predictiva. Gracias a este tipo de herramientas consiguen por ejemplo, averiguar en tiempo real qué tiendas a nivel mundial necesitan reposición de stock.

Además de para conocer mejor los hábitos de los consumidores, según un informe de Accenture, el 65% de las empresas usan la tecnología bigdata para optimizar su logística, mientras que a día de hoy sólo un 29% es capaz de usar esta tecnología a nivel meramente predictivo. Un 49% desea que el bigdata le ayude a crear nuevas oportunidades de negocio.

Inteligencia de negocio y empresas: PowerBI

nubit-power-bi

En el caso del análisis de dashboards recurrimos a su automatización. Un panel de BI o business intelligence es una interfaz gráfica que muestra el estado actual de las métricas e indicadores claves de rendimiento (KPIs) para una empresa.

En conclusión, si queremos desmarcarnos de la competencia necesitaremos crear una ventaja competitiva sostenible en el tiempo.
La herramienta que necesitamos para ello es un potente escritorio en el que veamos de forma muy visual los datos agregados de diversas fuentes.

Power BI es la herramienta que recomendamos por varias razones, una de ellas es su gran facilidad para la integración de distintas fuentes de datos en un mismo sitio. En el artículo: Power BI, novedades en inteligencia empresarial os contamos todos los detalles.

¿Cómo saco partido a Power Bi en mi empresa?

  • Elabora informes y vistas analíticas a través de gráficos interactivos y gráficos que ayudan a explorar y presentar tus datos en Excel.
  • Comparte estos informes y/o sus gráficos con otros trabajadores de tu empresa en un sitio de alimentación de BI de SharePoint.
  • Analiza: puedes producir modelos de datos con información de consulta, filtrar datos, crear campos calculados, definir KPIs (Indicadores Clave de Rendimiento, en español) para usar en tablas dinámicas y establecer jerarquías de usuarios
  • Explora: por un lado, puedes descubrir nuevas perspectivas sobre tu negocio gracias a las nuevas capacidades de búsqueda de datos. Por otro lado, esta herramienta de analítica de negocio te permite analizar datos geoespaciales.
  • Transforma: PowerBI facilita la labor de  transformar y combinar datos de muchas fuentes con facilidad. Además puedes depurar, combinar y transforma tus datos utilizando las herramientas de consultas, puedes guardarlas y usarlas en otro momento. Por último, PowerBi te lo pone fácil a la hora de crear y eliminar campos de las tablas de datos.
  • Consulta tus datos desde cualquier sitio: puedes ver y editar contenido con Excel y Power View en cualquier dispositivo con Windows 8 y usar PowerBI en tu smartphone gracias a la Microsoft App de Power BI.

Novedades en Power BI

Desde hace sólo unos días es posible utilizar un conector de Excel para llevar con facilidad los datos en vivo de la aplicación de escritorio de Excel al panel de Power BI. Tanto esa característica como la que permite a los usuarios analizar los datos de Power BI en Excel, han estado previamente disponibles para pruebas beta y ahora lo están ya para el resto de usuarios.

Estas son todas las actualizaciones en PowerBI correspondientes a los meses de enero y febrero de 2016.

Fuente: Power BI y el blog de Tristán Elósegui.