Una mirada inteligente a la nueva generación de Inteligencia de Negocios (BI)

Las tendencias más importantes de alto concepto de tecnología en este momento – Big Data, the quiantified self, the social graph – tienen algo en común. Son todas acerca de tomar grandes cantidades de datos y convertirlos en algo que nos ayuda a desentrañar una idea de nuestros negocios, nuestras vidas y nuestras relaciones. Pero para que todo el brillante trabajo realizado en el back-end posea un acceso cada vez más rápido de trozos más grandes y más grandes de datos, ha sido difícil encontrar herramientas que permitan realmente hacer algo con esto.

Eso puede estar cambiando finalmente. Una nueva generación de análisis de datos de producto basado en la nube está en aumento, los cuales toman diferentes rutas hacia la misma meta: Hacer un mejor business intelligence (BI) disponible más rápidamente a una gama mucho más amplia de funciones de negocios.

Cuando se presenta así en blanco y negro, parece bastante sencillo. Pero hay tantos vendedores en el mercado, todos prometen lo mismo – mejor, más rápido, más ideas accionables desde todos sus datos – que se hace muy difícil saber exactamente lo que se necesita. Aquí mostramos como pensar en una mejor inteligencia.

Rechazando la vieja manera

Estas soluciones suelen tener muchas cosas en común, sobre todo un rechazo fundamental al legado del modelo BI. Con heredados sistemas de BI de proveedores como SAP u Oracle, podría tomar semanas o meses obtener una respuesta. Si usted necesita responder a una pregunta como «¿cuál es nuestro éxito de ventas de consumo de helado per cápita por estado de los EE.UU. frente a la temperatura diaria promedio», un dedicado equipo ETL (extracción, transformación, carga) tendría que encontrar los datos, transformarlos manualmente en una forma que la base de datos se pueda entender, y hacer la magia de hoja de cálculo necesaria para escupir un informe con la respuesta. El proceso difícil de manejar todo puede llevar semanas o meses, y consume los recursos de TI mientras tanto.

«No es como el consumidor,» dice Birst VP de Estrategia de Producto Southard Jones. «Ni siquiera es como la empresa.»

Tiene razón: los usuarios de hoy en día esperan respuestas rapidísimas para tomar decisiones sobre el cambio de una moneda de diez centavos. En el back-end, una nueva generación de tecnologías de bases de datos no estructurados como Hadoop (y proyectos relacionados, como Apache Spark) permiten hacer cálculos sobre enormes cantidades de datos desde casi cualquier fuente con mayor rapidez que nunca. Ahí es donde la mayor parte de la tecnología detrás de «Big Data» se ha concentrado hasta ahora.

Casi todos los proveedores de BI de ahora han invertido en lo que es más fácil y más sencillo para importar datos desde una variedad de fuentes, basado en la nube o en las instalaciones, a través de la API u otro conector, lo que elimina la necesidad de ese tipo de entradas manuales.

Más importante aún, esta nueva generación de la tecnología está dando prioridad a las interfaces de los consumidores que hacen que la interacción con estos almacenes de datos sea cuestión de hacer clic y arrastrar – incluso en dispositivos móviles. Obtener respuestas complejas a preguntas complejas ya no requiere la intervención del departamento de TI, lo cual debería conducir a las organizaciones a ser más planas y más productivas – si alguien puede tomar los datos de la organización y jugar con ellos, las probabilidades de descubrir información interesante, útil y procesable brota camino hacia arriba. Después de todo, ¿quién mejor para descubrir las nuevas tendencias en las ventas que un vendedor? La gente de negocios pueden aprovechar su experiencia para encontrar ideas en tiempo real, mientras que la TI puede poner su propio tiempo para un mejor uso.

«Ninguna persona de TI debe siempre crear un informe o su la visualización», dice el CEO GoodData Romano Stanek.

Así que eso es lo que tienen en común. Pero no todas las soluciones de BI modernas abordan el problema de la misma manera.

Dashboards frente analytics

Hay una profunda diferencia entre la analítica y un dashboard. Ambos pueden ser muy útiles y a menudo se venden de la misma manera, pero satisfacen diferentes necesidades.

Un dashboard presenta los datos y te da una idea acerca de las tendencias y la velocidad de ellas. Muchos dashboard permiten superponer diferentes datos capturados en algún momento, lo que permite a los usuarios extraer nuevas conclusiones por capas de datos en la parte superior de los datos y presentarlos en una visualización fácil de consumir.

La ventaja de este enfoque es que es relativamente fácil de implementar: clearstory, por ejemplo, se enorgullece de recibir a los clientes a ponerse en marcha con una solución que permite a los clientes conectar sus datos y ponerse en marcha en una semana. Esta solución le permite tomar los datos, puré para arriba, y obtener conocimientos en tiempo real. Chartio, Roambi, y visual.ly también se desempeñan principalmente en este espacio.

Sin embargo, hay limitaciones: Si bien un enfoque dashboard puede ayudar a dar sentido a los datos, no se puede hacer realmente un intenso análisis estadístico con él. Una solución más profunda que combina estos dashboards con un back-end más complejo que enriquezca los datos puede dar nuevos insights. En lugar de simplemente presentar los datos, estas soluciones pueden ayudar a encontrar correlaciones, dibujar curvas y gráficos que muestran las tendencias generales, hacer predicciones inteligentes, y realizar un seguimiento de las variables en contra y en relación unas con otros. Es sólo un montón más de matemáticas, y es más adecuado para empresas con muchos datos sobre los cuales se puede aplicar esta matemática.

Pero, como se puede esperar, la advertencia aquí es que es mucho más que una inversión: Soluciones como Tidemark o Birst tardan entre uno y tres meses para implementar (aunque Tidemark dice que dashboard, al menos, no se demoran tanto) , gracias en gran parte a la necesidad de no sólo extraer información de los datos, sino también ayudar a organizar de una manera propicia el análisis en tiempo real. Otros jugadores de renombre en el espacio incluyen JasperSoft y Tableau.

Esta es sólo la punta del iceberg: hay decenas de vendedores por ahí, muchos de los cuales se especializan en diferentes mercados verticales – Tidemark, por ejemplo, ha encontrado un nicho de trabajo con los datos financieros y ERP, y la compañía dice que tiene muchos clientes mutuos con la compañía SaaS. Algunas compañías, como Good Data, comenzaron con un énfasis en los dashboard y se expandieron a la analítica.

Esto ni siquiera comienza la discusión de la naturaleza espinosa de data warehousing, el arte y la ciencia de la conservación de los datos de una manera útil para el análisis de datos.

Pero si usted está atascado en un sistema de BI antiguo que ocupa seis meses en obtener sus respuestas, sólo le repito que hay una manera mejor.

Traducido desde Citeworld.com. Escrito por Matt Weinberger. Marzo, 2014. Link: http://bit.ly/1iUqrkk