Business intelligence: Hay desafíos en la gestión de datos en la organización

business intelligence, inteligencia de negocios, datos
Cristián Rodríguez
Cristián Rodríguez

Hay brechas en la incorporación y gestión de datos en las organizaciones. Hay soluciones de business intelligence técnicamente correctas, pero de bajo impacto, advierte especialista.

“El hecho de implementar una solución de datos no implica, sin otros factores, la obtención de beneficios sobre la inversión” señala el profesor Cristián Rodríguez, quien dicta el curso online Presente y futuro de la inteligencia de negocios de Clase Ejecutiva UC.

Cristián Rodríguez hace un análisis sobre lo que está pasando hoy con la incorporación de los datos (business intelligence) en las organizaciones. Y recomienda cómo subirse a este carro en forma efectiva porque hay “soluciones técnicamente correctas que producen poco impacto” o porque algunos “invierten en un cañón para matar una mosca”.

—¿Cómo avanza la incorporación de datos en las organizaciones? ¿Y del business intelligence, en general?

“De acuerdo con el Estudio de Gestión e Innovación de TI del CETIUC, a marzo del 2019 y según lo señalado por los CIO respecto al uso de herramientas de inteligencia de negocios (business intelligence) y business analytics, a nivel de alta gerencia, un 14,3% tiene un uso constante; un 26,2%, frecuente; un 27%, ocasional, y 32,6% las usa raramente o nunca”.

“En contraste, a nivel de analistas, estas cifras son 44,4% (uso constante); 27,4% (frecuente); 14,5% (ocasionalmente) y 13,6% (rara vez o nunca)”.

“Ahora bien, el uso de estas herramientas es una medición imprecisa del valor que generan los datos para las organizaciones. Sería interesante conocer también la opinión de la alta gerencia respecto del valor percibido y capturado por el uso de los datos”.

“Existen organizaciones que han invertido en diversas plataformas de datos (desde datawarehouse tradicionales hasta data lakes en alguna tecnología), pero que no presentan grandes beneficios o valor capturado a partir de estas. El hecho de implementar una solución de datos no implica, sin otros factores, la obtención de beneficios sobre la inversión”.

— Se dice que los resultados de la inversión en datos son magros. ¿Qué desafíos o brechas ve en relación con su uso en Chile?

“Lo primero, la falta de una visión estratégica respecto a los datos y su uso. Muchos abordan las problemáticas de los datos desde un punto de vista reactivo, por ejemplo: ‘Este reporte se demora mucho en generarse, necesitamos más velocidad’; ‘Estamos teniendo quiebres de stock, necesitamos poder predecir la demanda para planificar mejor’; ‘Las líneas productivas están sacando muchos productos defectuosos, la inspección manual no está funcionando, necesitamos algo mejor’”.

“En definitiva, muy pocos piensan en armar una estrategia de datos enfocada en casos estratégicos y en cómo generar valor real para la organización”.

“El segundo problema es la falta de conocimiento en los niveles más altos respecto a los beneficios y ‘limitantes’ de los datos y sus aplicaciones. Pongo énfasis en las limitantes porque, por experiencia, he conocido casos de ejecutivos que señalan necesitar machine learning, big data y/o artificial intelligence. Sin embargo, al preguntar cuál es la necesidad o dolor que da origen a esto no tienen una respuesta concreta”.

“Así, bajos niveles de conocimiento permiten además la proliferación de vendedores de ‘promesas’ (humo), que termina en iniciativas fracasadas e impacta negativamente en la adopción “a consciencia” de estas prácticas.

TI y BI sin visión de negocio

En tercero lugar, yo diría que falta más visión de negocios por parte de las áreas TI/BI (tecnologías de información y business intelligence). Tradicionalmente son las áreas de TI las que concentran el área/equipo de datos. Estas áreas/equipos son fuertes en miembros TI/analytics/data science pero les falta experiencia y visión de negocios”.

“Además, suelen ver al negocio más como un cliente que como un colaborador. Y las soluciones que proveen a menudo suelen ser fuertes en aspectos técnicos, pero débiles en su capacidad para resolver las necesidades ‘reales’ de los usuarios” .

“También como cuarta brecha, falta una mayor descentralización respecto del uso de los datos. En las arquitecturas y modelos de gobierno ‘tradicionales’ es el área de datos el dueño absoluto respecto a los desarrollos y gestión de los datos de la organización. Todas las necesidades y solicitudes pasan necesariamente por esta área”.

“Esto, a medida que la organización madura, genera un efecto ‘cuello de botella’ en esta área que no es capaz de dar abasto, y surge un esquema de priorización que siempre deja áreas y usuarios descontentos. Incluso peticiones sencillas pueden tomar semanas o meses”.

— Y, ¿cómo descentralizar los datos?

“Modelos más modernos abogan por una descentralización. Las áreas de negocio incorporan usuarios avanzados, con conocimientos de TI, analytics, negocio, etc. y TI les provee herramientas y soluciones adecuadas para que puedan autogestionar sus necesidades de datos y gestión”.

“Por ejemplo, pone a disposición instancias de base de datos para que las áreas puedan resolver los problemas que tiene usar Excel con volúmenes grandes de datos. Esto requiere un buen modelo de gobierno que establezca el ‘rayado de cancha’ que permita una interacción ordenada y fructífera entre los distintos interesados”.

“Y, por último, como quinto problema, el no uso de metodologías adecuadas. A pesar de que existen metodologías propias de iniciativas de datos, estas son desconocidas para muchos, y se utilizan metodologías de software tradicional o similares. Los proyectos de datos (de inteligencia de negocios o business intelligence) son de naturaleza distinta a otros proyectos de TI, tienen una componente de negocio muy fuerte, lo que requiere un cuidado y enfoque particular”.

— Una organización mediana, ¿cuál es el proceso para incorporar datos y la gestión de datos?

“Lo primero, y más importante, es identificar dolores, desafíos y oportunidades en donde una adecuada gestión de datos puede generar valor. Muchos parten con las soluciones (‘compremos tal y cual producto’, ‘todos tienen un data warehouse, por tanto, debemos tener uno’, etc.) y no con las necesidades reales”.

“Esto se traduce en implementaciones técnicamente correctas, pero de bajo impacto. Incluso puede ocurrir que se desarrolle una solución de alta complejidad para un problema sencillo (matando una mosca con un cañón) y se hace difícil justificar la inversión considerando los beneficios”.

“Partir desde las necesidades reales asegura que siempre tendremos foco en generar valor para la organización. La solución de inteligencia de negocios (business intelligence) debe nacer de estas necesidades (y potencial valor) identificadas”.

— ¿Cómo y en qué áreas se pueden usar en una pyme?

“Por ejemplo, en automatizar procesos tediosos, de bajo valor agregado y propensos a errores manuales. Esto permite liberar tiempo de personas que pueden destinarlo a tareas de mayor valor para la pyme”.

“Además, los procesos automáticos entregan una mayor escalabilidad. Así, a medida que la pyme crece no es necesario aumentar proporcionalmente en personal para realizar tareas relacionadas a datos”.

“También en buscar oportunidades para crear nuevos productos y servicios, apalancados por datos, que permitan competir y diferenciarse frente a la oferta de competidores más grandes”.

“Y, por último, apoyar la toma de decisiones, permitiendo mejor acceso a la información y potenciales insights de valor para la pyme.

 

Actualízate con el curso sobre presente y futuro de la inteligencia de negocios (online) de Clase Ejecutiva UC.