Simplifique su estrategia de análisis

Mientras que el intereses en la analítica y los beneficios resultantes aumentan día a día, algunas empresas se enfrentan al desafío de la complejidad y la confusión que pueden generar los análisis. Las empresas pueden quedarse atrapadas intentando analizar todo lo que es posible y todo lo que pueden hacer a través de la analítica, cuando deberían dar el siguiente paso para reconocer lo que es importante y lo que deben hacer, para sus clientes, las partes interesadas y los empleados. Descubrir oportunidades de negocio reales y lograr los resultados deseados puede resultar difícil de alcanzar.

Para superar esto, las empresas deberían seguir un camino más sencillo para descubrir la información de sus datos y tomar decisiones basadas en la información que añadan valor. Las siguientes son las medidas que hemos visto funcionar en varias empresas para simplificar su estrategia de análisis y generar información que conduzca a resultados reales:

Acelere los datos: Datos rápidos = información rápida = resultados rápidos. Libere y acelere los datos creando una cadena de suministro de datos basada en un entorno tecnológico híbrido, una plataforma de servicios de datos combinada con las tecnologías emergentes de big data. Este entorno permite a las empresas mover, gestionar y movilizar la cantidad cada vez mayor de datos en toda la organización para su consumo más rápido de lo que era posible antes. La entrega de análisis en tiempo real acelera la velocidad de ejecución y mejora la calidad del servicio de una organización. Por ejemplo, un banco estadounidense adoptó un entorno tecnológico de este tipo para gestionar de manera más eficiente los crecientes volúmenes de datos para sus proyectos de análisis de clientes. Como resultado, la empresa mejoró el tiempo de procesamiento en varias horas, lo que generó información y un tiempo de reacción más rápidos.

Delegue el trabajo a sus tecnologías de análisis. Descubrir información sobre los datos no tiene por qué ser difícil. Estas son las formas de delegar el trabajo a sus tecnologías de análisis:

• Inteligencia empresarial (BI) y visualización de datos de próxima generación. En esencia, la inteligencia empresarial de próxima generación es dar vida a los datos y el análisis para ayudar a las empresas a mejorar y optimizar su toma de decisiones y su desempeño organizacional. La inteligencia empresarial convierte los datos de una organización en un activo al disponer de los datos correctos, en el momento y el lugar correctos (móvil, portátil, etc.) y mostrarlos de la forma visual correcta (mapa térmico, gráficos, etc.) para cada responsable de la toma de decisiones, de modo que pueda utilizarlos para lograr el resultado deseado. Cuando los datos se presentan a los responsables de la toma de decisiones de una manera tan atractiva y útil desde el punto de vista visual, pueden buscar y explorar las oportunidades basadas en los datos con más confianza.

Por ejemplo, una empresa de servicios financieros aplicó la inteligencia empresarial y la visualización de datos para ver los diferentes grupos de riesgo de toda su cartera de préstamos. Tras analizar sus datos clave y mostrar los resultados mediante visualizaciones, la empresa identificó las áreas de EE. UU. en las que había tasas de morosidad altas, exploró los tramos en función de los prestamistas, los fines de los préstamos y los canales de préstamos, y consultó las carteras de préstamos bancarios. Los usuarios también podían interactuar con los resultados y consultar los datos en función de sus necesidades: seleccionar diferentes rangos de fechas, puntuaciones FICO, comparar prestamistas y tipos de préstamos, etc. Gracias a la flexibilidad y las capacidades de exploración de datos de la solución interactiva de visualización y BI, se podían tomar decisiones basadas en la información y tomar medidas que beneficiaran a la empresa.

• Descubrimiento de datos. El descubrimiento de datos puede llevarse a cabo junto con proyectos de datos específicos para obtener resultados. Mediante el uso de técnicas de descubrimiento de datos, las empresas pueden probar y jugar con sus datos para descubrir patrones de datos que no son claramente evidentes. A medida que se descubran más ideas y patrones, se encontrarán más oportunidades de generar valor para la empresa. Por ejemplo, una empresa de recursos pudo predecir qué oleoductos representan más riesgo ante amenazas físicas y atípicas mediante técnicas de descubrimiento de datos. Gracias a los conocimientos adquiridos, la empresa pudo priorizar dónde invertir los fondos para medidas de lucha contra el fracaso y reparaciones de mantenimiento.

• Aplicaciones de análisis. Las aplicaciones pueden simplificar la analítica avanzada, ya que ponen el poder de la analítica en manos del usuario empresarial de forma fácil y elegante para que tome decisiones empresariales basadas en los datos. También pueden ser específicos del sector, flexibles y adaptarse a las necesidades de los usuarios individuales de todas las organizaciones, desde marketing hasta finanzas y niveles que van desde la alta dirección hasta la dirección media. Por ejemplo, una aplicación de análisis avanzado puede ayudar al gerente de una tienda a optimizar su inventario y un CMO podría utilizar una aplicación para optimizar el gasto de marketing global de la empresa.

• Aprendizaje automático e informática cognitiva. El aprendizaje automático es una evolución de la analítica que elimina gran parte del elemento humano del proceso de modelado de datos para producir predicciones del comportamiento de los clientes y el rendimiento empresarial. Como se describe en el Empresa inteligente tendencia en el informe Accenture Technology Vision 2015: Con la afluencia de macrodatos y los avances en la potencia de procesamiento, la ciencia de los datos y la tecnología cognitiva, la inteligencia del software ayuda a las máquinas a tomar decisiones aún mejor informadas. Por ejemplo, un minorista combinó datos de varios canales de venta (móvil, tienda, Internet y más) casi en tiempo real y utilizó el aprendizaje automático para mejorar su capacidad de hacer recomendaciones más personalizadas a los clientes. Con este enfoque basado en los datos, la empresa pudo dirigirse a los clientes de forma más eficaz y aumentar sus ingresos.

Reconozca que cada camino hacia la información de los datos es único. El camino hacia la perspicacia no viene de una sola forma. Hay muchos elementos diferentes en juego y siempre cambian: los objetivos empresariales, las tecnologías, los tipos de datos, las fuentes de datos y algunos están en un estado de cambio. Otro componente principal del proceso de análisis de una empresa depende de la propia cultura de la empresa: ¿es más conservadora o está dispuesta a correr riesgos? ¿Tiene una plétora de tecnologías de datos y análisis existentes con las que trabajar o acaba de empezar con su primer proyecto de análisis? No importa la combinación de cultura y tecnología que exista para una empresa, cada camino hacia la información analítica debe ir pavimentado de forma individual con una mentalidad basada en los resultados.

Para ello, las empresas pueden adoptar dos enfoques según la naturaleza del problema empresarial. En primer lugar, para un problema conocido con una solución conocida, como la segmentación de los clientes y la modelación de la propensión para campañas de marketing segmentadas, la empresa podría adoptar un enfoque basado en hipótesis empezando por el resultado (por ejemplo, ventas cruzadas o ventas adicionales a los clientes existentes), poner a prueba la solución con un grupo de control y, a continuación, escalar ampliamente en toda la base de clientes. En segundo lugar, para un área problemática conocida, el fraude, por ejemplo, pero con una solución desconocida, la empresa podría adoptar un enfoque basado en el descubrimiento para buscar patrones en los datos y encontrar correlaciones interesantes que pudieran ser predictivas. Por ejemplo, un banco descubrió que la velocidad a la que se rellenaban los campos de sus formularios en línea estaba altamente correlacionada con el comportamiento fraudulento. Es de destacar que, a la hora de determinar qué problema abordar, las empresas deben centrarse primero en el que puede ofrecer el mayor valor y, luego, pueden elegir un enfoque basado en hipótesis o en el descubrimiento según el grado de conocimiento institucional que tiene para resolver ese tipo de problemas.

Una vez que se descubra la información, el siguiente paso es que la empresa, por supuesto, tome las decisiones basadas en los datos que pongan la acción detrás de los datos. Es posible descubrir las oportunidades de negocio en sus datos y aumentar el capital de los datos, de forma sencilla.