5 consejos para implementar Business Intelligence

Obtener la correcta estrategia de Business Intelligence, es mucho más que crear un almacén de datos.

Martin Draper, director de tecnología en el retail Liberty, dice que su gran prioridad para 2017 es el Business Intelligence. La empresa recopila información de diversas fuentes y Draper desea crear una estrategia basada en datos que ayude a los ejecutivos de la empresa, a tomar decisiones más inteligentes de forma rápida y efectiva.

A lo largo de su carrera, Draper ha estado ansioso por impulsar la transformación a través de la información. Pasó una década dirigiendo su propia consultora de Business Intelligence antes de convertirse en CIO (Chief Information Officer) retail, ayudando a las organizaciones de todos los sectores a convertir los datos en información.

Draper, basándose en su experiencia, proporciona cinco consejos de mejores prácticas para ejecutar una estrategia de BI exitosa:

1. Vea su iniciativa como un enfoque cultural generalizado

Los analistas están dispuestos a hablar sobre la inversión continua en BI y analytics. Gartner dice que el 48% de las empresas, en el 2016, invirtió en Big Data un 3% más que en el 2015. Mientras tanto, IDC (International Data Corporation) espera que el gasto global en Big Data y Business Analytics crezca de $ 130.1 billones en 2016 a más de $ 203 billones en 2020.

Sin embargo, Draper dice que la tecnología es solo un elemento de un fuerte enfoque de BI. Él dice que el éxito en BI es mucho más que la suma de herramientas y procesos. Demasiados CIO aún no reconocen que el elemento cultural es esencial. "He ganado una buena vida con los tecnólogos que construyen plataformas de datos y luego veo que la realización del beneficio no se ha materializado", dice, refiriéndose a su experiencia previa como consultor de BI.

"Tienes que tener la tecnología correcta y una hoja de ruta de arquitectura de datos clara, pero también debes tener una organización que pueda consumir información y desarrollar conocimientos. Ese es absolutamente el consejo número uno: Si no ves tu proyecto de BI como un enfoque cultural generalizado para las empresas, es mejor que no te molestes en comenzar".

2. Obtenga respaldo de alto nivel para sus objetivos a largo plazo

Draper dice que los CIO deben reconocer que una iniciativa analítica es mucho más que lograr objetivos a corto plazo. "La inteligencia empresarial es para siempre", dice. "Si va a hacerlo correctamente, debe comprender todos los aspectos de su organización y planificar una hoja de ruta para la implementación hasta donde pueda ver".

Los CIO, dice Draper, deberían ver su proyecto de BI como un programa, en lugar de un solo golpe. "Puede llevar años crear un programa de BI en algunos casos", dice. La naturaleza prolongada (y, a veces, costosa) de una iniciativa analítica significa que el soporte de alto nivel es esencial.

"Asegúrese de que la persona número uno es su organización, es el patrocinador clave de su programa de BI", dice Draper. "La idea de usar los datos para decir la verdad y tomar decisiones significa que el apoyo del director ejecutivo es absolutamente clave".

3. Utilice la capacidad de un especialista para desarrollar ganancias tempranas para el negocio

Mientras que Draper cree que BI debe ser visto como un "programa para siempre", también reconoce que las ganancias rápidas pueden ayudar a demostrar los beneficios de sus ideas a los escépticos, particularmente en los primeros días de una iniciativa. Estas ganancias tempranas pueden ayudar a dictar la dirección futura.

"No prediga el clima antes de subirse al barco. La belleza de la capacidad y tecnología actual es que las personas experimentadas, ya sea interna o externamente, pueden ayudar a su negocio a obtener algunos beneficios de BI bastante rápido", dice Draper.

"Siempre debe pensar en términos de objetivos a largo plazo, pero también puede lograr el éxito a corto plazo rápidamente, si crea un equilibrio efectivo entre la tecnología, la capacidad de IT (Information Technology), el talento comercial y la arquitectura de datos. Reconozca que el mundo es un conjunto de procesos de negocios: Nuestro trabajo en tecnología es automatizar tantos de esos procesos como podamos y dejar los elementos creativos a los expertos humanos".

4. Enganche de nuevo a la demanda de la organización de forma continua

Draper dice que los CIO deben definir qué aspecto tiene el éxito en términos de BI. Para algunas personas, el éxito se trata de informes comerciales. Para otros, podría implicar autoservicio, capacidades analíticas avanzadas o una versión única de la verdad.

"La realidad es que, dependiendo de la audiencia, puede ser todos esos elementos o solo uno", dice Draper. "Darse cuenta de que BI es un facilitador para mejorar la toma de decisiones y definir lo que necesita entregar para permitir esa visión es absolutamente crítico".

Las expectativas ejecutivas en torno al poder potencial de la analítica siguen siendo altas. Draper dice que los requisitos comerciales pueden flexibilizarse y cambiar, por lo que los CIO deben asegurarse de que sus programas de BI coincidan con la capacidad técnica con conocimiento comercial. "Tendrá que conectarse de nuevo al negocio de forma continua, y para siempre", dice Draper.

"BI no se trata solo de construir un almacén de datos SQL Server, sino de crear beneficios en un punto definible más adelante. De lo contrario, es solo otra plataforma, y ​​su empresa no verá el valor de su inversión".

5. Intente una comprensión matizada de la información que proporciona

Draper advierte a los ejecutivos que no se centren únicamente en la representación visual de los datos. La verdadera percepción, dice, proviene de un nivel más detallado de comprensión.

"A menos que su organización pueda mirar el tablero y entender cómo convertir el indicador rojo en naranja y verde, entonces las ganancias serán pequeñas", dice. "El nuevo enfoque en Big Data y en tiempo real es potencialmente brillante. Pero si su organización no puede reaccionar a la información, entonces la información no tiene sentido".

Draper dice que los jefes de finanzas le enseñaron al principio de su carrera que la conversación en torno a los datos siempre debe centrarse en los objetivos. "La gran inteligencia de negocios se trata de entender lo que usted y sus colegas van a hacer de manera diferente mañana debido a la visión que tiene hoy", dice.

"A menos que pueda decidir y actuar, todos los análisis brindan un número en la pantalla. Por lo tanto, definir qué éxito y ejecución son las claves es muy fácil. Es muy fácil generar números y opiniones, es muy difícil de ejecutar".

Fuente: Mark Samuels. Periodista de negocios especializado en temas de liderazgo de IT.

Los mitos del Big Data y el marketing

Big Data se ha convertido en una gran industria, promovido como cura para todo lo que aflige el marketing. Sin embargo, tenemos un largo camino por recorrer antes de que Big Data proporcione su potencial. Consideremos un par de ejemplos. Me registro en Facebook desde Lausana en Suiza. Ya estuve registrado hace un par de años en el mismo ordenador portátil, usando el sitio social en idioma inglés. Sin embargo, lo que veo es la página de registro de Facebook en alemán. Tal vez, la ubicación supera la dirección IP del portátil. Sin embargo, incluso si se basa en la ubicación, en Lausana, la página de registro debería estar en francés. De manera similar, recientemente me mudé a Singapore Management University y ahora veo numerosos anuncios para inscribirse en varios programas de esta universidad.

A pesar de ser un creyente en Big Data, necesitamos tener expectativas realistas de Big Data. Como vendedores, estamos en el comienzo de un viaje muy largo.

EL MITO DE BIG DATA

El mito más grande es que hay algo llamado Big Data. En realidad, la construcción de una base  útil de datos, requiere unir muchos datos pequeños de múltiples fuentes. Esto es lo que hace que sea un trabajo duro.

• ¿Cuántas fuentes diferentes se pueden unir para capturar todas las rutas digitales de un cliente. Y, ¿Qué es lo que simplemente se nos escapa en la atmósfera?

• ¿Cómo combinar los datos de varias fuentes, cada uno con su propio enfoque para recopilar, mantener y actualizar los datos, y vincularlo a un individuo único?

A medida que uno mejora en esto, permite una mayor integración a través de los diferentes puntos de contacto donde los clientes experimentan la marca.

MÁS DATOS ES MEJOR

Los vendedores, motivados por el interés propio, siguen empujando la idea de que mientras más granular sean los datos es mucho mejor. Pero Big Data es como los granos de arena, pueden crear una tormenta de arena y puede cegarte y desorientarte. Hay un viejo beduino diciendo que seis minutos en una tormenta de arena, es suficiente para hacer que un hombre se vuelva loco.

• Al principio de una investigación, aprende que siempre hay demasiados datos y no suficientes datos simultáneamente. Una gran cantidad de los datos que inicialmente parece agradable tener es innecesario para resolver el problema en cuestión. Además, siempre hay más datos que uno quisiera, pero no están disponibles.

• Los datos, en sí mismos, no tienen ningún valor. Es sólo un costo hasta que se unió con la analítica para extraer información accionable. Las decisiones clave son qué mantener y qué ignorar. El agua en un vaso es manejable, pero en una inundación, es abrumadora.

Para que los marketeros exploten Big Data, deben aprender a vivir con ambigüedad. En lugar de simplemente buscar más y más datos, la tecnología y la comprensión para utilizar los datos disponibles es quizás más importante.

LOS DATOS EN TIEMPO REAL SON MEJORES

Parece obvio que los datos que se actualizan lo más cerca posible del tiempo real son mejores. Si bien esto puede ser cierto en algunos casos, pero el acompañamiento "ruido" puede conducir a una mayor confusión y errores. A menudo, en lugar de una respuesta rápida, es mejor tomar el tiempo para reflexionar. Sólo después de limpiar los datos, entender el problema y mejorar el modelo, se debe pasar a la acción.

No importa, la forma en que los datos son en tiempo real, son datos pasados ​​y uno está tratando de predecir el comportamiento futuro.

Para que los modelos sean útiles, los gerentes de marketing deben adoptar lecciones del antiguo movimiento japonés de calidad de mejora continua. Pero esto requiere la prueba de modelos rigurosamente. Antes de aceptar un modelo, uno debe tener la disciplina para utilizar muestras de espera y experimentos aleatorios.

CONCLUSIÓN

La mayoría de las cosas en la vida que son importantes y que valen la pena son difíciles de hacer. Big Data no es una excepción. Los modelos puestos en práctica no pueden simplemente ser exteriorizados a analistas de datos o algoritmos de máquinas. Los vendedores tienen que ensuciarse las manos y lidiar con la obtención de una comprensión más profunda de lo que entró en la elaboración del modelo y la calidad de los datos que se utilizaron. Si los modelos basados en Big Data se convierten en una "caja negra" para los vendedores, será una continuación de las prácticas de un marketing pasado, "basadas en la fe".

Fuente: Nirmalya Kumar. Lee Kong Chian Profesor de Marketing