El CIO Symmetry publica ocasionalmente consejos de expertos que creemos que serán de utilidad para nuestros lectores de pequeñas empresas. Bill Stripp, director de TI de NxtTeam, un proveedor de servicios gestionados que se especializa en inteligencia empresarial para pequeñas y medianas empresas (PYMES), cree que el análisis de datos no es solo para las grandes empresas. Ofrece cinco pasos que las pymes pueden seguir para estar más «impulsadas por los datos» y aumentar la rentabilidad.
A 
encuesta reciente realizada por el Economista reveló que el 59% de los encuestados que describieron sus organizaciones como basadas en datos informaron una mayor rentabilidad que la competencia, en comparación con los encuestados que dijeron que sus empresas no se basan en datos.
Los hallazgos no son sorprendentes. Escondidos dentro de los datos que fluyen a través de su empresa, se encuentran conocimientos sobre cada función, desde el inventario hasta las ventas y las finanzas, a la espera de ser traducidos en una ventaja competitiva.
Pero, ¿cómo obtienen las empresas esos conocimientos? Si es una pequeña o mediana empresa (PYME), es probable que esta oportunidad de información sea una lucha. La mayoría de las herramientas de análisis de datos y de inteligencia empresarial (BI) están diseñadas para grandes organizaciones: son demasiado costosas, complejas y requieren mucho personal para los recursos limitados de las pymes.
Pero el panorama está cambiando. Con el advenimiento de las aplicaciones y servicios de BI basados en la nube, las pymes de todos los tamaños y tipos ahora pueden actuar como grandes corporaciones, con un equipo de científicos de datos que ejercen las habilidades analíticas y de codificación necesarias. La entrega en la nube significa que el alto costo inicial de entrada y mantenimiento se puede reducir a una tarifa mensual manejable más pequeña por el servicio.
BI como servicio ofrece a los empleados las capacidades de minería y análisis de un científico de datos a través de un portal basado en la web. Los miembros de cualquier departamento pueden obtener acceso a datos comerciales relevantes específicos para su función y presentados en formatos fáciles de digerir. Los equipos empresariales pueden disfrutar de los beneficios de la BI de autoservicio sin depender de una costosa implementación de varios años.
¿Qué deberían hacer con esa información? Aquí hay cinco formas en que un científico de datos se acercaría a los datos:
Piense en preguntas y respuestas
Muchos proyectos de BI fracasan porque algunas empresas se acercan a la gestión de la información como si estuvieran jugando Jeopardy. Ven los análisis como respuestas y comienzan a buscar preguntas que correspondan. Esa estrategia, por supuesto, es al revés. Los científicos de datos determinan las preguntas correctas antes de comenzar a pedir respuestas a los datos. Las mejores preguntas para plantear primero se relacionan con los objetivos y estrategias de una organización. Otras preguntas igualmente importantes no se relacionan con los datos en sí, sino con los procesos y procedimientos que las organizaciones utilizan para recopilar y almacenar sus datos, como: ¿Dónde encontramos los datos correctos para consultar? Y estamos recolectando todos los datos correctos para el análisis?
Por ejemplo, un fabricante que se enfrenta a un ciclo de producción lento podría estudiar minuciosamente montones de informes sobre unidades por hora que salen de la línea de montaje. Pero un científico de datos también exploraría otros factores, como la cantidad de materias primas involucradas en la producción y dónde se encuentran esos proveedores. Ahora, el fabricante puede preguntar: ¿Sabemos cuánto tiempo tarda cada proveedor en entregar las materias primas? ¿Y sabemos qué impacto tiene ese tiempo en las unidades por hora?
Los gerentes de logística podrían luego consolidar el abastecimiento aprovechando los datos geográficos para encontrar la combinación óptima de proveedores rápidos.
Piensa fuera de las líneas
Si el fabricante en el primer ejemplo limita el análisis a la información generada por su propia organización, es posible que la empresa nunca acelere la producción. Los científicos de datos saben que los factores clave a veces residen fuera de los límites literales y virtuales del negocio, especialmente en la era del big data.
El espectro de fuentes de datos disponibles para las pymes de hoy en día abarca desde flujos internos, como estaciones de punto de venta y sistemas de entrada de almacenes, hasta torrents externos, como correo electrónico, sitios web e incluso redes sociales. Los científicos de datos también consideran los destinos de los datos, que probablemente sean múltiples bases de datos, archivos y otros sistemas dispares.
Un buen modelo cruza fronteras virtuales y ayuda a identificar relaciones entre diferentes tipos de datos. Surgen patrones de causa y efecto que explican por qué, por ejemplo, un producto en particular se vende mejor en determinadas épocas del año o en determinadas regiones.
Piense manzanas en manzanas
Al igual que la variedad de una canasta de frutas, los datos de una organización típica son una colección de diversos archivos, bases de datos y repositorios. Y así como las manzanas, las naranjas y los plátanos tienen diferentes formas y texturas, no todos los datos se configuran de acuerdo con las mismas reglas o procesos.
Los científicos de datos entienden que extraer información significativa de los datos es un poco como hacer una sabrosa ensalada de frutas: en algún momento, cada categoría de fruta debe reconciliarse para determinar las piezas más frescas. También deben conciliarse los datos para la analítica.
Así como los gustos en la ensalada de frutas varían, los datos deben conciliarse para adaptarse a las necesidades particulares de una empresa. El objetivo es encontrar la mejor ensalada de datos para satisfacer los apetitos de información de diferentes empleados en diferentes departamentos, y hacerlo de la misma manera con la misma calidad en todo momento.
Piense en planos antes que herramientas
En su búsqueda de información valiosa, algunas empresas piensan como carpinteros, electricistas o plomeros. Al evaluar la tecnología de BI, gravitan hacia las herramientas que les son más familiares. Entonces, a veces se equipan con martillos cuando tienen un montón de tornillos y tuberías para ensamblar.
Los científicos de datos piensan en un nivel superior, como los arquitectos que redactan planos. Consultan con diferentes departamentos para saber qué necesitan de sus datos. Construir sus mejores análisis requerirá martillos, destornilladores y llaves para manejar los clavos, tornillos y tuberías. Pero no sabrá cuántos y en qué combinación a menos que comprenda el plano antes de comprar las herramientas y el hardware.
Piense en detalles
Los científicos de datos saben que los objetivos de BI no deberían ser vagos. Sin métricas específicas e indicadores clave de rendimiento (KPI) alineados con los objetivos específicos de la empresa, no hay forma de evaluar objetivamente el éxito al implementar la estrategia corporativa. Las mediciones deben ser definitivas y concretas para indicar avances. Por ejemplo, las iniciativas para expandirse geográficamente deben señalar destinos; las campañas para aumentar las ganancias deben definir márgenes; un movimiento para reducir costos debería enumerar los ahorros; los programas para impulsar la productividad deben cuantificar las ganancias, etc.
Convertirse en una empresa «basada en datos» es una cuestión de mentalidad. Pero los miembros de su equipo no tienen que convertirse en científicos de datos para pensar como ellos. Con los servicios en la nube basados en suscripción, las pymes de todas las formas, tamaños e industrias pueden comenzar a desarrollar el mismo nivel de ventaja competitiva que disfrutan las grandes empresas, sin el mismo costo, complejidad y compromiso del personal.
Sobre el Autor:
Bill Stripp es director de TI de NxtTeam, un proveedor de servicios gestionados que se especializa en inteligencia empresarial para pequeñas y medianas empresas. Durante sus décadas de carrera en tecnología, ha ocupado puestos técnicos, analíticos y de capacitación especializados en software empresarial para Waste Management, Inc., Fujitsu Consulting y Greenbrier & Russel.
