El futuro del Business Intelligence en las empresas

Llevamos décadas viviendo en un mundo en el que todo dato se almacena, se documenta y se lista en enormes servidores distribuidos por todo el globo. Millones de usuarios dejan rastro de sus gustos, apetencias y aspiraciones a través de sus perfiles de redes sociales que se vinculan a su vez con sus datos personales y demográficos. Todo negocio cuenta ahora con el acceso a ese inmenso océano indescifrable que hemos venido a llamar “big data”... Es la fuente de la eterna juventud para las decisiones informadas, para la acción inteligente y la guía óptima de negocio. Es la piedra de toque del marketing estratégico, tanto interno como externo. Se acabó aquello de “creer”: uno tiene datos suficientes para saber lo que hace su target… dónde lo hace, cuándo lo hace, con qué edad lo hace, con quién lo hace, con qué intención lo hace, qué consume antes y después de hacerlo, cuánto tiempo tarda en hacerlo, y un largo etcétera.

El problema es que navegar por ese inmenso mar de datos no es tarea sencilla: contar con tanta información es sinónimo de no contar con ninguna si no se sabe bien qué hacer con ella, de ahí la importancia que ha tomado la figura del “Data Analyst” o analista de datos. 

El mercado del Business Intelligence y la analítica de datos tiene expectativas de alcanzar la cifra de 196 mil millones en 2026 según Technavio, y está viviendo un fuerte crecimiento en los últimos años a medida que las empresas adoptan herramientas para hacerse más eficientes a la hora de procesar datos relevantes. 

Hay mucho SaaS para empresas en el mercado del Business Intelligence pero sin duda las soluciones de SAP son de las más extendidas. Tanto es así que SAP adquirió el 1 de septiembre de este año una empresa dedicada al análisis de datos a través de inteligencia artificial: Kausa.ai.

Hay que decir que la aparición de la inteligencia artificial está transformando rápidamente el sector. La identificación de tendencias y oportunidades e incluso la creación de estrategias quedarán en manos de la IA, que tiene el potencial de analizar millones de datos y segmentarlos de forma sistemática. 


La Importancia del análisis de datos en la gestión empresarial

Minimizar los riesgos siempre será un hito aspiracional en toda organización, de ahí que se le dé tanta importancia a despejar el mayor número de incógnitas a través del conocimiento y los datos para tomar decisiones informadas. Esta filosofía de gestión y actuación, aún no carente de críticas, tiene múltiples ventajas:

  • Conoce fielmente a tu mercado y tu target: la huella digital de los usuarios otorga a las empresas conocimientos de gran valor acerca del comportamiento, hábitos de navegación y compra de su target. Con estos datos en la mano se pueden tomar decisiones que estén orientadas tanto a la mejora de productos o servicios como a la experiencia de navegación en apps y webs para hacer que estas tengan mejores ratios de conversión. En este sentido se han vuelto muy importantes los test A/B, en los que se pone a prueba el desempeño de dos variables para la implementación de una solución que cuenta con múltiples aproximaciones o áreas de mejora.  
  • Puede simplificar la toma de decisiones y hacer que la empresa funcione de forma más eficiente: el análisis de datos evita, entre otros, inversiones en soluciones ineficientes, caer una y otra vez en prácticas que prueban tener resultados deficientes, la creación de conceptos de productos en los que el mercado no está interesado etc.
  • Identifica nuevas oportunidades de negocio: el análisis continuado de datos permitirá ver con claridad oportunidades de mercado así como la evolución del mismo. Colocar un producto en el mercado en el momento adecuado es sinónimo de éxito y esto es posible sólo con un análisis y conocimiento exhaustivo del mismo.
  • Proporciona una ventaja competitiva: el business intelligence permite que una empresa se adapte rápidamente a su entorno, siendo capaz de testar y mejorar sus procesos de forma continua optimizando así los funnels de decisión. 
  • Mide constantemente el rendimiento de tus acciones: algo muy importante es el testeo y monitoreo constante de campañas y acciones. Cuando un negocio se adentra en el BI (Business Intelligence) y el análisis de datos se adentra en un mundo en el que la medición y la mejora es un proceso, no un resultado.

Impacto de la Inteligencia Artificial en el análisis de datos

No parece haber un sector que no vaya a ser tocado por la larga mano de la IA y en particular el del “data analysis” es terreno abonado para una revolución en toda regla. Mediante los algoritmos de aprendizaje automático y las redes neuronales, la inteligencia artificial puede descubrir información valiosa en datos aparentemente caóticos: desde la personalización de experiencias de cliente hasta la optimización de cadenas de suministro y la detección de fraudes, la IA potencia de forma descomunal las capacidades del business intelligence.

La inteligencia artificial es el barco que permitirá navegar las aguas del big data, es la herramienta que hace útil ese mar de datos.

La automatización de tareas rutinarias y la generación de informes en tiempo real permiten a las empresas ser más ágiles, eficientes y precisas, acelerando el proceso de análisis de datos y aplicación práctica de los mismos. La aplicación de la IA al business intelligence es algo así como poner un motor a un carruaje tirado por caballos.

En cuanto a la figura del “analista de datos” parece cada vez más obvio que una de sus principales herramientas de trabajo será la Inteligencia Artificial: a través de los asistentes virtuales el analista podrá pedir gráficos, estadísticas, cruce de datos, análisis, tendencias y mediciones sobre áreas de interés para una tarea concreta dentro del desempeño de una organización, e incluso podrá pedir sugerencias para la mejora de la eficiencia en dichas tareas.

Como consecuencia de los avances de la IA aplicada al BI veremos una democratización de las herramientas de análisis de datos. Este tipo de soluciones hacen posible que pequeñas y medianas empresas cuenten con la capacidad de procesamiento de equipos humanos enteros que antes sólo estaban al alcance de las grandes empresas.

La integración de SAP, el Business Intelligence y la IA

La entrada de SAP de este tipo de soluciones es la mejor prueba de dicha democratización. Entendemos que para SAP el área del BI era un área de crecimiento natural: las empresas, en busca de la eficiencia, van adoptando todo tipo de soluciones de business intelligence orientadas a la mejora tanto de su funcionamiento externo como interno a través de procesos analíticos avanzados. 

SAP entró en el mercado del BI en 2008, con la adquisición de la empresa “Business Objects”, añadiendo todos sus productos a su cartera. En septiembre de este año (2023) SAP adquiere “Kausa AI”: una empresa de analítica avanzada que ofrece soluciones de SaaS potenciadas por inteligencia artificial. El motor de inteligencia artificial diseñado por Kausa permite encontrar causas a cambios en métricas y estadísticas en cuestión de segundos.

Una plataforma como SAP es ideal para integrar herramientas de análisis de datos y de business intelligence pues ya almacena datos de alta relevancia sobre los procesos de las compañías que tienen integradas sus herramientas. Si a esto le añadimos la capacidad de la IA, el cruce y análisis de estos datos puede suponer un aumento de la eficiencia muy considerable, ya que el análisis automatizado de estos datos no sólo ahorrará enormes cantidades de tiempo y esfuerzo, sino que podría encontrar tendencias que de forma convencional pasarían desapercibidas.

La automatización de procesos es otro área donde la Inteligencia Artificial y SAP convergen. Mediante la implementación de sistemas automatizados impulsados por la IA, las empresas pueden optimizar la eficiencia operativa, reducir errores y liberar recursos para tareas más estratégicas. La combinación de SAP, BI y la Inteligencia Artificial se convierte así en un catalizador para la transformación digital.

 

Los riesgos de una estrategia centrada en el análisis de datos

Es evidente que una estrategia empresarial, ya sea de marketing, innovación, logística o de calidad, etc, basada en el estudio y la decisión informada es una necesidad, pues parece lógico pensar que traerá como consecuencia mejores procesos pero, sin embargo, no es una estratégia libre de críticas. 

Bien podría parecer que tener información sobre todo lo que vamos a hacer es una buena idea, pero no es siempre así. Jacqueline Nolis (Directora de análisis de datos de Fanatics con más de 15 años de experiencia) en su artículo “You’re relying on data too much” habla de su trayectoria asesorando a empresas en el uso de datos para mejorar sus procesos. Uno de los principales problemas que identifica es que la mayoría de las empresas tienen un exceso de datos, lo cual paraliza sus sistemas de toma de decisiones. También surge otro problema: al eliminar el riesgo, eliminamos también las grandes ideas, las ideas que se salen de lo convencional. 

Recuerdo la clásica conversación sobre las audiencias de televisión en los 90s: todas las cadenas tenían y tienen sus programas dedicados al corazón porque, según los datos de share, “es lo que la gente quiere ver”. Aunque esto no dejaba de ser cierto, el fenómeno del streaming y los contenidos de nicho creados con la diversificación de la televisión digital nunca habrían tenido cabida si fuese por los datos. Es decir que los datos sólo arrojan información sobre lo que hay, los datos son, por naturaleza, conservadores. Nunca habrá datos sobre una idea que es realmente innovadora. Cualquier invención se enfrentará a la novedad y al vacío de datos inicial.

Por otro lado, analizar datos sobre ciertos temas puede llevar a conclusiones que la propia intuición llegaría en segundos. El caso de Coca-Cola es paradigmático: se analizaron cientos de miles de datos de máquinas expendedoras para sacar un nuevo sabor de soda al mercado. La IA, después de horas procesando, recomienda sacar una bebida con sabor a cereza, pues en cientos de máquinas donde hay Sprite de cereza este es de los más consumidos… resultado al que ya habían llegado los ejecutivos de Coca-Cola sin necesidad de hacer ese inmenso análisis de datos.

 

Limitar las opciones de una empresa a aquellas de las que tienes datos suficientes es reducir de forma radical las opciones aceptables que puede tener una compañía.

Otra de las fallas de la lógica de centrar toda decisión en el análisis de datos es no saber que en dicho análisis siempre hay asunciones. Si dichas asunciones son falsas, el análisis de datos llevará consecuentemente a malos resultados.

La industria musical es uno de esos ejemplos en los que el análisis de datos han hecho más mella en la producción musical: en pos de reproducir el éxito, muchas canciones suenan repetitivas y muy similares entre sí, pues se ha considerado que así iban a asegurar ciertas ventas, escuchas y notoriedad (lo mismo pasa con la industria del cine). El ejemplo de Queen con Bohemian Rhapsody, popularizado por la película homónima, es sin duda uno de los casos que mejor exponen el problema: ¿Cómo iba a triunfar una canción que dura casi 6 minutos, que empieza de modo operístico y tiene una letra indescifrable cuando las canciones que más éxito tenían duraban 3 minutos y tenían una estructura bien diferenciada? Para muestra un botón… 

En resumen, el análisis de datos guiado por Inteligencia Artificial se convertirá en una de las herramientas más importantes para cualquier compañía, pero esta solo debe ser una pata más en la que apoyarse: hay momentos en los que la agilidad de movimiento es más importante que la decisión informada, hay veces en el que la asunción de riesgos es precisamente el principal motivo del éxito. 

Sigue navegando por el blog de Gigas para estar al tanto de este y otros temas relacionados. 
¡Te esperamos en el próximo artículo! 

 

Compartir: