El reto de analizar la analítica de datos

“Los datos son la energía transformadora de la empresa moderna”.

Esta puede ser la premisa más concluyente que encuentran las organizaciones y sus miembros cuando surge una iniciativa de análisis de datos; pocos resuelven refutarla y para muchos es un principio casi dogmático.

La actualidad del mundo no nos permite mucho espacio para la duda, sistemáticamente las diferentes industrias ven cómo cada día los datos transformados en información son el derrotero que siguen quienes destacan ante la competencia y alcanzan el éxito comercial. Pero en el otro platillo de la balanza encontramos una amplia cantidad de organizaciones que dentro de sus experiencias con el análisis de datos relatan procesos que se dilataron, consumieron todos los recursos destinados a ellos y terminaron en un rotundo fracaso.

Reconociendo la importancia de los datos, pero, recuperando las dos situaciones anteriores, es válido cuestionarse sobre las causas que generan que un gran porcentaje de las iniciativas de analítica de datos no lleguen a buen puerto. El instituto de Bodegas de Datos (Data Warehousing Institute – TDWI) publicó en su reciente informe del mes de mayo una cifra que de entrada es poco alentadora: del total de iniciativas de analítica de datos que se desarrollaron en el año 2019 en los Estados Unidos, solo un 30 % alcanzó el resultado esperado con la inversión de los recursos planeados. Para no dejar un panorama tan oscuro, el mismo informe aclara que tras una replanificación de recursos y metodologías, un 70 % de las iniciativas terminaron brindando valor a las organizaciones. Hay cifras para todos los gustos, pero la preocupación de la industria es la misma: lograr que la gran mayoría de iniciativas de análisis de datos sea exitosa.

¿Los datos son siempre la energía transformadora de la empresa moderna?

Si partimos de la convención que los datos son el epicentro de las iniciativas y metodologías de analítica, también, es sensato preguntarse si no son ellos mismos el propio origen y posterior causa del naufragio. ¿Son siempre los datos la energía transformadora de la empresa moderna?

Para dar respuesta a esa pregunta, la industria de la analítica de datos recientemente ha definido y conceptualizado dos prácticas. La primera es una técnica conocida como gestión de datos (Data Management – DM) que como concepto no es algo nuevo, se ha intentado implementa por décadas, pero sí como estrategia renovada de estructuración de las nuevas organizaciones. La segunda es una tendencia etiquetada como analítica avanzada (Advanced Analytics – AA).

Como ya se mencionó, DM no es nuevo, por el contrario, se encuentra incrustado dentro de las organizaciones desde tiempos previos a la aparición de las herramientas computacionales y tecnológicas.

Cualquier compañía sin importar el sector al que pertenece o la razón de su operación diaria siempre genera datos, y esto conlleva una posterior gestión de ese recurso.

Las herramientas núcleo de la gestión de datos son las bases de datos transaccionales u operativas, las bodegas de datos (Data Warehouse), las bases de datos columnares, las bases de datos NoSQL, los lagos de datos (Data Lake), las bases de datos federadas, además, existe una estrategia con maravillosas capacidades dentro de DM que pretende la unificación de los datos de la organización y crear una democracia sobre la información, se conoce como gobierno de datos.

La AA hace parte de una nueva generación de técnicas de análisis de datos que busca definir un marco de trabajo para la explotación científica de los datos y maximizar los beneficios sobre los resultados obtenidos. Dentro de este grupo se encuentran la minería de datos de segunda generación, las redes neuronales, la minería de texto, el procesamiento de lenguaje natural (PNL), la inteligencia artificial (IA), el aprendizaje de máquina (Machine Learning) y el análisis predictivo. No se trata de aislarlos de los modelos tradicionales de inteligencia de negocios y de visualización de datos, la verdadera intención es entender que los requerimientos de AA tienen un alcance distinto y, por lo tanto, unas necesidades diferentes. Las capacidades de los profesionales que participan en proyectos de AA también requieren especialidades particulares que son fundamentales para una correcta implementación.

Con un entendimiento amplio del panorama de la analítica de datos podemos concluir que las compañías que logran proyectos exitosos tienen algo en común: encontraron una justa combinación de las técnicas de DM con las estrategias de AA.

El reto materializado de la analítica de datos es unificar de forma efectiva la gestión de datos (Data Management – DM) con la analítica avanzada (Advanced Analytics – AA), se hace imprescindible la estancia de los dos componentes para aumentar la probabilidad de llegar a resultados efectivos, se requiere contar con aliados estratégicos que sumen valor en los procesos de construcción de soluciones de analítica, los equipos multidisciplinarios toman relevancia en los procesos de analítica avanzada bajo buenas prácticas de gestión de datos.

Los datos de calidad gestionados profesionalmente son el insumo adecuado para construir soluciones de analítica avanzada que verdaderamente transformen a las empresas modernas.