Al Robot: Empoderamiento en Datos

Por Edgar Tercero.

Empoderamiento en Datos


Aunque el mundo de la inteligencia de negocios ya lleva varios años operando, se sigue teniendo la creencia que es para unos cuantos, gente que estudio alguna ingeniería o pertenece al departamento de sistemas, porque son ellos los encargados de administrar quien entra a cada plataforma.


Leer datos es como utilizar una computadora para trabajar en el siglo XXI, todo mundo debe tener una y a esto hay que sumarle el conocimiento para manejar un sistema operativo, así como diversos tipos de software con las que se ejecutan las tareas diarias.


Y esperar que un solo departamento entregue resultados, estadísticas, análisis así como predicciones para cada departamento es una tarea titánica e imposible, por eso observamos como los datos llegan atrasados, así como arrojan información poco útil, pero es de esperarse porque sistemas sabe mucho sobre la infraestructura, asignar permisos, adquisición de software y hardware, pero no conoce cada aspecto que requiere finanzas, mercadotecnia, ventas, recursos humanos para tomar decisiones dentro de la empresa.


Es una gran tarea poder integrar toda esta información, sin embargo, es algo muy necesario, crear una estructura, un modelo de datos organizacional a tal grado que contemple los datos requeridos por cada una de las áreas, para ello se debe tener acceso a los datos crudos, la fuente u origen de los datos. Se debe realizar un levantamiento, análisis y estructura de estos, trabajar con datos históricos para poder crear modelos que permitan hacer una inferencia mejorando el comportamiento y toma de decisiones para presentes negocios o futuros.


Para ello se requiere tiempo, un equipo dedicado a este análisis así como tiempo por parte de los integrantes de las áreas para ayudar a crear esos modelos, los cuales podrán ser explotados por todo el personal de la organización, creando indicadores, automatizando sus análisis, para lo cual requieren que el personal se capacite en la utilización de alguna herramienta de inteligencia de negocio, o dedicar a una persona dentro de cada área, con conocimiento de negocio, para explorar los datos y obtener información valiosa.


Esto llevará a descontinuar trabajos manuales, donde el personal invierte varios días o incluso semanas para llevar a cabo análisis, quitando tiempo a las actividades reales por las que fueron contratadas. Se requiere de un cambio en el presupuesto, pero el gasto fuerte es al inicio lo que llevará a beneficios en el mediano y largo plazo.


Tampoco se espera que una sola persona haga todo este trabajo, se requiere de un equipo de implementación completo, contando con analistas, expertos en el negocio, instaladores, compra de licenciamiento. Pero la mayoría de las empresas ya tiene una o varias de estas herramientas, sin embargo, no han sabido como sacarles provecho, teniendo un gasto recurrente en algo que está parado.


Para tener los datos crudos almacenados, contemplando todas las posibles fuentes de información, es recomendable contar con un Data Lake.


Data Lake: Un lago de datos es un sistema o depósito de datos almacenados en su formato natural/sin procesar, generalmente objetos o archivos. Un lago de datos suele ser un único almacén de datos que incluye copias sin procesar de datos del sistema de origen, datos de sensores, datos sociales, etc., y datos transformados que se utilizan para tareas como informes, visualización, análisis avanzado y aprendizaje automático. Un lago de datos puede incluir datos estructurados de bases de datos relacionales (filas y columnas), datos semiestructurados (CSV, registros, XML, JSON), datos no estructurados (correos electrónicos, documentos, PDF) y datos binarios (imágenes, audio, video). Un lago de datos se puede establecer "en las instalaciones" (dentro de los centros de datos de una organización) o "en la nube" (usando servicios en la nube de proveedores como Amazon, Microsoft o Google).


Pero una de mis recomendaciones es poblarlo con datos útiles para la empresa, no utilizarlo como garaje y aventar todo lo que la empresa tiene, por eso se requiere de llevar a cabo un estudio previo para colocar la mayor cantidad de datos posibles que aportarán información al negocio.


Datawarehouse: En informática, un almacén de datos (DW o DWH), también conocido como almacén de datos empresariales (EDW), es un sistema que se utiliza para generar informes y analizar datos y se considera un componente central de la inteligencia empresarial. Los DW son repositorios centrales de datos integrados de una o más fuentes dispares. Almacenan datos actuales e históricos en un solo lugar que se utilizan para crear informes analíticos para los trabajadores de toda la empresa.


Los datos almacenados en el almacén se cargan desde los sistemas operativos (como marketing o ventas). Los datos pueden pasar a través de un almacén de datos operativos y pueden requerir una limpieza de datos para operaciones adicionales a fin de garantizar la calidad de los datos antes de que se utilicen en el DW para generar informes.


Extraer, transformar, cargar (ETL) y extraer, cargar, transformar (ELT) son los dos enfoques principales utilizados para construir un sistema de almacenamiento de datos.


Inteligencia de Negocios: Business Intelligence (BI) comprende las estrategias y tecnologías utilizadas por las empresas para el análisis de datos y la gestión de la información empresarial. Las funciones comunes de las tecnologías de inteligencia comercial incluyen informes, procesamiento analítico en línea, análisis, desarrollo de tableros, minería de datos, minería de procesos, procesamiento de eventos complejos, gestión del desempeño comercial, evaluación comparativa, minería de texto, análisis predictivo y análisis prescriptivo.


Las herramientas de BI pueden manejar grandes cantidades de datos estructurados y, a veces, no estructurados para ayudar a identificar, desarrollar y crear nuevas oportunidades comerciales estratégicas. Su objetivo es permitir la fácil interpretación de estos grandes datos. Identificar nuevas oportunidades e implementar una estrategia efectiva basada en conocimientos puede proporcionar a las empresas una ventaja competitiva en el mercado y estabilidad a largo plazo, y ayudarlos a tomar decisiones estratégicas.


Las empresas pueden utilizar la inteligencia comercial para respaldar una amplia gama de decisiones comerciales que van desde las operativas hasta las estratégicas. Las decisiones operativas básicas incluyen el posicionamiento o el precio del producto. Las decisiones comerciales estratégicas involucran prioridades, objetivos y direcciones en el nivel más amplio. En todos los casos, BI es más eficaz cuando combina datos derivados del mercado en el que opera una empresa (datos externos) con datos de fuentes internas de la empresa, como datos financieros y de operaciones (datos internos). Cuando se combinan, los datos externos e internos pueden proporcionar una imagen completa que, en efecto, crea una "inteligencia" que no puede derivarse de ningún conjunto singular de datos.


Donde la herramienta para explotar información o hacer inteligencia de negocio deberá ser utilizada a libertad por las diferentes áreas, sin limitarlos a un tablero corporativo sin datos concretos acorde a sus necesidades. De tal forma que la exploración, así como explotación de datos le corresponde al departamento o negocio que utiliza los datos de su área, por ello en el datawarehouse se debe crear un modelo único, con suficiente información que es compartida a lo largo y ancho de la empresa, sin necesidad de agregar fuentes adicionales que podrían entorpecer la toma de decisiones.


Los pretextos más grandes para estas iniciativas son ¿Quién lo va a pagar? Y “No tenemos tiempo para hacerlo”. Andamos como en la siguiente imagen, cuando podríamos facilitar el avance.



“Cada vez hay mas datos y de diferentes tipos”






Aviso Oportuno

Cuartos en Renta, Villa de Álvarez

Cuartos en Renta, Villa de Álvarez

Casa en venta, Villa de Álvarez

Casa en venta, Villa de Álvarez

Residencia en venta, Villa de Álvare

Residencia en venta, Villa de Álvare

Chevrolet Prisma 2016

Chevrolet Prisma 2016

Sentra 2005, Manzanillo

Sentra 2005, Manzanillo

Toyota Cambri 2016

Toyota Cambri 2016

Cambio por Tsuru, Colima

Cambio por Tsuru, Colima

1/8
WhatsApp Image 2022-11-29 at 1.49.13 PM.jpeg
organon_Mesa de trabajo 1.jpg