El estudio BI Trend Monitor 2017 de BARC ofrece a los profesionales del BI una plataforma para expresar su opinión sobre las tendencias que actualmente configuran el mercado de BI y administración de datos, complementadas con comentarios y análisis adicionales de los analistas de BARC. Este y otros informes como los de Gartner o de Forrester siguen apuntando a la inteligencia de negocio de auto-servicio como tendencia principal.
En Business Intelligence la tendencia mas importante es el concepto de BI de Autoservicio (SSBI Self Service Business Intelligence). Los departamentos van pidiendo tener una brújula en la gran cantidades de datos que la empresa maneja. Los departamentos de TI para evitar la saturación de demandas de reports están mirando soluciones que puedan facilitar análisis a todos los niveles de usuarios sin tener que pasar por procesos de ETL y sin supervisión (más allá de la seguridad de los datos).
Self-Service Analytics es una forma de business intelligence (BI) en la que los profesionales de la línea de negocios son habilitados y animados a realizar consultas y generar informes por su cuenta, con soporte de TI. El análisis de autoservicio se caracteriza a menudo por herramientas de BI fáciles de usar con capacidades analíticas básicas y un modelo de datos subyacente que se ha simplificado o reducido para facilitar la comprensión y facilitar el acceso a los datos. El reto va a ser conjuntar datos estructurados y datos no estructurados para poder generar indicadores adecuados.
Los datos no estructurados dominarán el escenario del Análisis de Datos
Los datos para entender una empresa ya nos son datos de perdidas y ganancias. Hoy en día una empresa se identifica con muchos más datos y la gran mayoría de ellos no son estructurados. Llamamos datos no estructurados aquellos datos que no pueden encajar en una base de datos relacional. La mayoría de los datos (el 90%) están semis-estructurados o no estructurados. Pensar en los videos, presentaciones en Power Point, registros de empresas, medios sociales, RSS, documentos y texto, y en general casi todo lo que es vital de entender para las empresas.
Mientras que el análisis de datos estructurados describe lo que está sucediendo, el análisis de datos no estructurados explica el porqué.
Pasito a pasito…
Hay que empezar con proyectos piloto que puedan demostrar el valor del enfoque de BI y datos. Si es posible hay que intentar hacer un primer prototipo de casos de uso que incorporen más de un departamento y más de un proceso. Una gran cantidad de datos permite un análisis predictivo ya que analizar un solo ejercicio no nos brinda ninguna tendencia.
Después de las tendencias… las recomendaciones:
Preste atención a la calidad de los datos
Las organizaciones parecen ser conscientes de que el tablero con mejor aspecto no vale nada si los datos mostrados son defectuosos. La inteligencia de negocios no tiene mucho sentido sin una integración completa de datos e iniciativas de calidad de datos, pero éstas deben ser respaldadas con el nivel adecuado de atención, recursos y financiamiento. El respaldo organizativo de la calidad de los datos mediante la implementación de los procesos de propiedad y administración de datos es también vital. La normalización de datos es el trabajo mas tedioso y mas oscuro de la BI, es mejor dedicar las horas a pensar en indicadores que pasarlas en normalizar datos. Por ello es tan importante tener una política de calidad de datos dentro de las empresas. Por ello es necesario diseñar procesos a la hora de realizar el alta de un cliente o de un proveedor.
Capacite a su personal
Comience a entrenar a su personal existente mientras recorre el mercado laboral para obtener experiencia técnica y analítica. Las nuevas tecnologías y aplicaciones requieren recursos y conocimientos específicos. Pero en muchas organizaciones, los presupuestos para estos son inadecuados y las personas con las habilidades necesarias son difíciles de encontrar. Teniendo en cuenta todos los acontecimientos emocionantes en los diversos campos de TI, las organizaciones a menudo no pueden mantenerse al día con las habilidades necesarias para aprovechar todos los nuevos productos y servicios interesantes. ¿Porque no premiar su departamento TI con un curso de Data Science? ¿Porque no premiar a su director de marketing con un curso sobre analíticas y métricas?
Sea consciente de los desafíos de SSBI (Inteligencia de negocio de autoservicio)
Habilitar su comunidad de usuarios empresariales a través del «BI de autoservicio» y las posibilidades de descubrimiento y visualización de datos es una buena idea, siempre y cuando haya un marco de gobierno de datos y herramientas acordado. Lo ideal sería que los departamentos de TI o las unidades de BI se alinearan muy estrechamente con los usuarios clave y avanzados de toda la organización para apoyar la creación de un sistema de BI gobernado. Hay datos sensibles dentro de la empresa y es por ello que necesitáis una herramienta BI que tenga esto muy controlado.
Revise su arquitectura de información
Las organizaciones de TI deben revisar su arquitectura de información existente para asegurar que pueda soportar el nivel de agilidad requerido, manejar grandes volúmenes de datos poli-estructurados y respaldar la creciente demanda de grandes datos y análisis avanzados. También puede ser una buena idea crear un laboratorio de datos adyacente a la fábrica de BI para apoyar mejor los enfoques exploratorios de la BI con el descubrimiento de datos o análisis analítico predictivo. Existen herramientas como Querona que nacen para esto (y para mucho más).
Comprender los requisitos de análisis de datos
Los líderes de BI necesitan entender los diferentes requisitos de análisis de datos en sus organizaciones y las posibilidades y enfoques que abarcan las herramientas modernas. Los análisis basados en conjuntos, visuales, en tiempo real y predictivos no son funciones separadas, sino más bien complementarias, cada vez más importantes. Es la muerte del Report… es algo estático que ya no sirve. Tenemos que formar nuestros recursos para que se sienten delante de una herramienta BI para hacer análisis y no para imprimir un report.
La cultura de toma de decisiones de su organización, las habilidades disponibles, y la identificación y promoción de casos de uso para un mayor análisis de datos son aspectos clave a considerar.
Nuestra propuesta Targit Decision Suite y Querona
TARGIT Decision Suite es la única plataforma de business intelligence que ofrece herramientas visuales de data discovery, business analytics self-service, informes e increíbles cuadros de mando en una única solución integrada. Targit Decision Suite es una de la mejores herramienta BI del mercado su uso con Querona nos permite construir prototipos en pocos minutos ya que Querona es un concentrador de datos de autoservicio que ayuda a construir una capa de acceso a datos central, consulta todas las fuentes de datos desde un lugar y acelera las consultas utilizando Apache Spark. Debajo del capó, Querona simula el protocolo SQL Server. Las capas de un almacén de datos lógico en Querona son sólo puntos de vista. No es necesario diseñar procesos ETL, basta con decidir qué vistas se almacenan en caché, cuándo y dónde. La interfaz de autoservicio de Querona facilita la conexión de nuevas fuentes de datos, la exploración de datos y la preparación de martes de datos para informes.
Puede decidir lo que debe almacenarse en caché o almacenar en EDW más tarde. Un almacén de datos en la nube puede seleccionarse rápidamente como una base de datos de almacenamiento en caché. La carga de datos para una vista seleccionada es sólo un clic. La capa de Querona Data Virtualization es un único punto de acceso a todas las fuentes de datos.
Contacte con nosotros para una demo. ¿Tienes datos que analizar? Llámanos vamos a demonstrar las herramientas con tus proprios datos.
Si quieres más informaciones sobre BI contacta conmigo en linkedin o directamente en nuestra pagina.
Si quieres mi ebook «Como implementar la inteligencia empresarial en nueve preguntas más una» pulsa aqui