El poder de los datos para optimizar las operaciones y decisiones de las empresas, tanto operativas como estratégicas, así como para conseguir sus objetivos de crecimiento y rentabilidad.

Un Zettabyte es 1 seguido de 18 ceros bytes (8 bits). Hay estimaciones de que en 2020 la cantidad total de datos generados y consumidos fue del orden de 20 a 70 zettabytes, según la fuente. Esta cantidad creció más del 300% (se triplicó) desde 2015.


Más datos, sobre datos:

  • En 2023 se enviaron 41,6 millones de whatsapps y 241 millones de emails por minuto.
  • En 2021 se subieron a YouTube 500 horas de video por minuto.
  • En 2019 se emitieron alrededor de 500 billones de facturas electrónicas en el mundo.
  • Alrededor de 50 billones de transacciones en comercios en la zona Euro en el 2021.
  • 161 billones de envíos de paquetería en 2022. Y cada paquete tiene asociado, al menos, un pedido de venta, una orden de fabricación/almacén, una orden de salida de almacén, un envío, una confirmación del envío, una confirmación de entrega, un recibo/factura, …

Y para hacerlo más interesante aún:

  • Se estima que el 90% de los datos existentes es una copia del 10% restante.
  • Entre el 80% y el 90% de los datos no está estructurado.
  • Hay estimaciones de que para el 2025 el 10% de los datos generados lo serán por la inteligencia artificial.

Son magnitudes difíciles de imaginar, y sí, son estimaciones, pero reflejan algo evidente: cada vez hay más datos, se intercambian a más velocidad, cada vez más complejos y donde es difícil separar lo relevante de lo no relevante.

En este contexto, las empresas consumen, transforman y producen estos datos en sus procesos de negocio por lo que la analítica de datos es una capacidad imprescindible que deben desarrollar para optimizar sus operaciones y decisiones, tanto operativas como estratégicas, así como para conseguir sus objetivos de crecimiento y rentabilidad.

 

Estrategia para desarrollar las capacidades de Data Analytics

Para desarrollar esta capacidad de analítica de datos, las empresas siguen un modelo de madurez generalmente aceptado que tiene 5 etapas:

  1. Descriptiva (Qué pasó): Análisis de datos históricos y reporting. Se utilizan herramientas tradicionales de tipo Business Intelligence.
  2.  Diagnóstico (Por qué pasó): Investigación de causas con herramientas de tipo Business Intelligence potenciadas con tecnologías de Data y Process Mining.
  3. Predictiva (Qué podría pasar): Modelos predictivos, What-If y pronósticos. Intervienen herramientas de Machine Learning sobre tecnologías de Data y Process Mining.
  4. Prescriptiva (Qué deberíamos hacer): Recomendaciones basadas en análisis con herramientas de Machine Learning. sobre tecnologías de Data y Process Mining.
  5. Cognitiva (Automatización): Toma de decisiones autónoma. A las herramientas ya citadas se añaden componentes de automatización inteligente de procesos.

 

Puntos clave

Y para que esta estrategia tenga éxito se deben considerar varios puntos clave:

  • Tener los objetivos bien definidos, alineados con la estrategia del negocio y con reflejo en los procesos de la organización. No es un proyecto únicamente tecnológico, involucra a todas las áreas de la empresa.
  • Asegurar la calidad, dato único y seguridad de los datos mediante su correspondiente gobernanza, integración de los sistemas que procesan los datos y disponibilidad de la tecnología adecuada (escalable, segura, accesible, funcional).
  • Desarrollar capacidades internas y cultura de datos en la organización, entendiendo que es una estrategia de adaptación continua, que concierne a toda la organización en un contexto que debe ser colaborativo y que requiere una adecuada gestión del cambio.
  • Buscar que los resultados sean accionables, que se implementen y no se queden en un tablero o cuadro de mandos.
  • No conformarse sólo con el análisis de lo que ya pasó (modelos descriptivos).

Stack Tecnológico

Como no podía ser de otro modo escoger la tecnología adecuada es fundamental para desplegar esta estrategia de analítica de datos. La oferta es amplia y crece también a una velocidad vertiginosa. En RSM Consulting utilizamos actualmente:

  • Business Intelligence con Microsoft Power BI.
  • Data y Process Mining con Celonis, Mindzie, Fluxicon DISCO y Graphext.
  • Machine Learning con Graphext y Alteryx.
  • Automatización inteligente con Celonis, Make y Microsoft Power Automate.

En conclusión, en el contexto actual en el que los datos están en el centro de las grandes transformaciones que las tecnologías digitales están provocando en el mundo de hoy, no hay opción: las empresas deben desarrollar capacidades de Analítica de Datos. En ese camino hay que tener muy en cuenta determinados puntos clave que faciliten una evolución desde una posición de ser meros consumidores pasivos de datos del pasado hasta la posición de anticiparse al futuro y utilizar los datos para guiar y optimizar automáticamente las operaciones y procesos de negocio.