En nuestra entrada anterior "Elementos que ayudarán a pasar de la visualización de los datos a la estrategia de inteligencia de negocios." hablamos de los seis elementos preliminares que se deben tener en cuenta en proyecto de inteligencia de negocios, los cuales son:
- Obtener aprobación y financiamiento para el proyecto de BI.
- Estructurar el equipo de BI.
- Diseñar la arquitectura de BI.
- Seleccionar el software de BI que se utilizará.
- Trabajar con los usuarios para identificar los indicadores clave de rendimiento (KPI) y otras métricas para realizar un seguimiento, control y gestión que desean ser revisadas.
- Capacitar a los usuarios en las herramientas de BI.
En esta ocasión describiremos qué debemos hacer para desplegar el modelo de inteligencia de negocio una vez hemos cumplido los requisitos de negocio previos.
Paso 1.
Comprensión del negocio: Este es el primer paso, ya que entender el problema del negocio es extremadamente importante para que la inteligencia de negocios se pueda desplegar. En este paso se deben entender dos elementos fundamentales, el primero de ellos es la estrategia del negocio y luego cómo esta se materializa y se mide, ya sea a través de metodologías como BSC (Balance ScoreCard), OKR (Objectives & Key Results) o KPI (Key Performance Indicators), todas ellas también desarrolladas y acompañadas por RSM, y de esta manera se pueden detectar los elementos propios de un proceso, no solo de medición y mejora, sino también de gestión y desarrollo organizacional.
Paso 2.
Adquisición de datos: En función del problema del negocio, el siguiente paso es entender y adquirir los datos que se necesitan. Identificar las fuentes de donde está disponible, que son responsables de proporcionar esos datos. Puede provenir de varias fuentes de datos (tanto internas y externas) como datos de clientes, datos demográficos, datos de terceros, weblogs, datos de redes sociales, datos de streaming como datos de sensores, datos de audio o video, entre otros. El principal desafío es decidir si los datos están actualizados y limpios para el consumo del modelo. Con el IoT (Internet de las cosas) en pleno auge, la adquisición de datos en plataformas de Big Data son un paso importante.
Paso 3.
Preparación de datos: Esto también se puede conocer como de limpieza de datos. En nuestra experiencia, es un proceso que toma casi el 50% del tiempo total del proyecto. Los datos recopilados tienen que ser formateados, tratados para cualquier valor que falte, cualquier anormalidad o estacionalidad de los datos y prepararlos para el consumo del modelo.
Paso 4.
Modelado: Esta es la actividad principal en un proyecto inteligencia de negocios, la cual requiere escribir, ejecutar y refinar los programas para analizar y obtener información comercial significativa de los datos. En RSM hemos utilizado herramientas de código abierto como R, Python y herramientas comerciales como Power Query e IBM SPSS para crear los modelos estadísticos y se pueden aplicar varias técnicas de aprendizaje automático a los datos basados en el problema del negocio.
Paso 5.
Evaluación: Hay varios métodos para comparar los modelos desarrollados y luego usar el mejor modelo para implementaciones. Los métodos de comparación típicos son el AUC (por sus siglas en inglés “Area Under Curve”) área bajo curva, matriz de confusión, gráficos de beneficios, raíz de error cuadrado medio, etc.
Paso 6.
Implementación: Una vez que se identifica el modelo más adecuado, se realizan pruebas con más datos en vivo y luego se implementa en el entorno de producción para consulta de la organización y se definen los tableros de visualización.
Acciones adicionales que se pueden desarrollar posterior a su proceso de despliegue e implementación son temas como monitorear el rendimiento del modelo en vivo, observar cualquier degradación y desarrollar nuevos modelos que se comparan de nuevo con el modelo en vivo.