En los últimos años, la inteligencia empresarial ha evolucionado para incluir más procesos, herramientas y con ello funciones para dar respuesta a diferentes cuestionamientos de negocio y mejorar el proceso de toma de decisiones.
Datos brutos: Con el uso de los sistemas transaccionales u operativos, los negocios comenzaron a generar datos para todas las áreas de las empresa. A medida que las organizaciones incorporaron el uso de más sistemas, mayor fue el volumen de registros que se comenzaron a generar en las bases de datos.
Datos limpios: Una de las etapas básicas de la inteligencia de negocios es la depuración de datos, mejor conocido como ETL (por sus siglas en inglés) donde ya no es tan relevante el volumen de información almacenada, los analistas se preocupan por tener los datos "limpios", es decir en un lenguage entendible, sin caracteres especiales o cualquier "ruido" que pudiera interferir con el análisis.
Reportes estándar: Con la implementación de los sistemas transaccionales, los proveedores ofrecieron la posibilidad de obtener reportes básicos con tablas, gráficas y ciertos indicadores, sin embargo el acceso a la información seguía limitado y dependiente del área de sistemas.
Reportes a la medida: Para muchas de las organizaciones no fue suficiente contar con reportes estándar y de ahí su evolución a incorporar reportes a la medida. Es aquí donde surgen los tableros de indicadores o de control "Dashboards" que concentran los principales indicadores de negocio para una rápida visualización.
Autoservicio: El autoservicio de herramientas de BI (Business Intelligence) vino a revolucionar la forma en que los analistas y puestos directivos consultan la información. Muchos proveedores cambiaron drásticamente sus interfaces e incorporaron nuevas funciones para que los reportes pudieran ser generados sin la dependencia de mucha asesoría técnica.
Visualización ágil: Dado la rapidez y urgencia de obtención de datos, los proveedores incorporaron un análisis visual más sencillo, con fórmulas programadas y con un empuje a la inclusión de historias. Compartir reportes e indicadores es más sencillo.
Análisis predictivo: A pesar de tener soluciones robustas de BI, se detectó la necesidad de incluir herramientas estadísticas, ya no es suficiente con saber ¿qué pasó?, también es relevante entender los motivos, BI y Analytics van de la mano.
Modelos predictivos: El modelado predictivo es un sistema que emplea datos y estadísticas para predecir resultados. Muchas de las organizaciones han puesto sus esfuerzos para desarrollar nuevos modelos y con ello mejorar la retención de sus clientes o potenciar la atracción de nuevos.
Optimización:Con modelos bien establecidos ¿Qué queda por hacer? Optimizar y generar modelos de autoaprendizaje Machine Learning. En dichos modelos se desarrollar algoritmos para que el sistema sea capaz de aprender, detectar patrones y tomar decisiones con mínima intervención humana.
¿En qué etapa se encuentra tu negocio?
Comments