¿Qué es continuous intelligence y cómo beneficia a las empresas?
Empecemos con esta pregunta ¿Por qué los datos y la analítica son tan importantes? Porque las empresas quieren recorrer el camino de la transformación digital. Sin embargo, a pesar de los esfuerzos y recursos invertidos en la adquisición de datos de clientes, productos, servicios, transacciones, datos externos de información de mercado, entre otros, en promedio, solo el 10% de la información tiene un propósito significativo. Así que la segunda pregunta es ¿cuál debería ser ese propósito? Soportar la toma de decisiones.
¿Qué es continuous intelligence?
Gartner define Continuous Intelligence «como un patrón de diseño en el que la analítica en tiempo real se integra con las operaciones del negocio, procesando datos en vivo e históricos, para sugerir acciones en respuesta a eventos».
En otras palabras, «Continuous Intelligence» busca analizar todos los eventos que afectan a las empresas, brindando visibilidad de la información y su análisis, con el fin de identificar aquellos drivers de alta importancia, para actuar sobre ellos en el momento oportuno y de la manera adecuada, incluso automatizando acciones de respuesta.
Aplicaciones de continuous intelligence
♦ Mantenimiento predictivo: monitoreo continuo de los sensores para identificar problemas potenciales y poner en marcha acciones correctivas antes de que los problemas puedan materializarse.
♦ Análisis de IoT: análisis de operaciones IoT e industria 4.0.
♦ Cadena de suministro: recopilación y análisis de datos para una vista de 360 grados de los activos de la cadena de suministro para entregas justo a tiempo.
♦ Siguiente mejor oferta: generación de ofertas que apunten a satisfacer las necesidades de cada cliente con experiencias personalizadas.
♦ Monitoreo de transacciones: identificación y análisis de eventos sospechosos que deriven en el detenimiento de la ejecución de transacciones fraudulentas.
♦ Gestión de flotas: identificación de las rutas más eficientes y programación del cronograma de mantenimiento para cada activo, optimizando el valor o reduciendo los costos.
Beneficios para las empresas
La Continuous Intelligence es ideal para resolver muchos problemas de desarrollo de software. Garantiza que no haya superposición de colaboradores al realizar un código, evitando duplicaciones innecesarias.
Esta, también garantiza que el equipo siempre esté trabajando en la última versión del software, por lo tanto, se base en las actualizaciones más recientes.
La Continuous Intelligence ayuda a evitar conflictos y fallas de integración. A medida que otros desarrolladores actualizan su trabajo, afecta a otros trabajos que aún no se han enviado. Al realizar actualizaciones constantes, esto ayuda a que no se generen estos errores.
Claves para implementar una estrategia de continuous intelligence
La pregunta ahora es ¿Cómo implementar esa estrategia? Las iniciativas de analítica y Datascience que visibilicen la información apropiada para cada persona en la empresa y democraticen los datos, son las llaves para desbloquear ese desafío:
- Analítica Impulsada por Búsquedas
Interfaces de lenguaje natural que aceleren el descubrimiento y entrega de información e insights. Tan simple como realizar una búsqueda en Google o comprar productos por Amazon debería ser la consulta de la información para cualquier usuario haciendo uso de la barra de búsqueda de datos o insights.
-
Insights Potenciados por AI
Uso de inteligencia artificial y Machine Learning para agilizar la preparación de los datos, el descubrimiento, análisis y entrega de insights, reduciendo las tareas manuales-repetitivas de un gran número de usuarios con:
- Motor de recomendaciones automático impulsado por AI que proponga relaciones no evidentes entre variables correlacionadas.
- Construcción de visualizaciones ideales según las perspectivas de análisis.
- Detección de las variables con mayor poder predictor de un target.
- Remoción de datos ruido o de poco valor que no aporten al análisis.
- Uso de inferencias estadísticas para encontrar las relaciones más relevantes entre los datos y representar dichos resultados en gráficas automáticamente sugeridas basadas en la importancia de esas relaciones.
-
DataScience Embebebido
Embeber los resultados de Datascience en tableros o aplicativos empresariales, simplifica la experiencia de los usuarios en casos de uso de alto valor. La flexibilidad y facilidad en la selección de los parámetros de entrada y salida de un modelo, son capacidades claves a la hora de democratizar la analítica en todos niveles de una organización. Estas capacidades brindan a los usuarios poderosos insights sin sentirse intimidados por código o aspectos técnicos que desconocen.
- Analítica en Tiempo Real
Modelos Analíticos y de Datascience aplicados a datos en tiempo real permiten actuar oportunamente en eventos críticos y de alta prioridad. Con un sistema de Continuous Intelligence que configure dos tipos de procesos, es posible automatizar decisiones que conduzcan a lograr una mayor eficiencia sin intervención humana o enrutar información al equipo adecuado para la toma de decisiones.
Por mencionar un caso, analicemos la experiencia de implementación de Continuous Intelligence de uno de los principales fabricantes de semiconductores en el mundo. Antes de llevar a la práctica estas iniciativas, la empresa implementaba los cambios requeridos como respuesta a las novedades y variabilidad de la operación con un enfoque lento de retrovisor, después que los hechos habían sucedido (altas tasas de desechos, rechazos y desperdicios). Los cuellos de botella derivados de la falta de visibilidad de la información de los procesos colapsaban el área de TI para la búsqueda de información.
Para resolver este desafío, la empresa centralizó y democratizó la información con capacidades de autoservicio para cada usuario, permitiéndoles monitorear los datos relevantes en tiempo real y tomar decisiones oportunas basadas en datos. Más aún, la empresa formuló modelos con enfoque predictivo para gestionar las líneas de producción y mantenimiento, con el fin de identificar escenarios de fallas comunes y sus causas raíz, para luego aplicar acciones correctivas y reducir sus tasas de re-trabajo en casi la mitad.
Conclusión
La Continuous Intelligence es muy importante porque no solo impulsa a los equipos de desarrollo, sino también a las organizaciones a alcanzar sus metas y objetivos mediante la generación de un ambiente simbiótico que fomente la colaboración y un software más complejo y confiable a través de pruebas exhaustivas, periódicas, ágiles y correcciones de errores rápidas y eficientes.