Seis mitos y conceptos erróneos sobre el BI - Business Intelligence

¿Cuántas de nuestras creencias son tan profundas que nunca pensaríamos en cuestionarlas? En realidad, más de las que creemos. Los seres humanos no somos tan racionales como pensamos y, de hecho, no hay tiempo para investigar cada afirmación que hacemos.

Tenemos el hábito de repetir lo que otros dicen y aceptarlo como verdad. Algunas de estas premisas son verdaderas, pero por supuesto, en algunos casos, se nos puede estar llevando a creer una mentira.

Por ejemplo, es un error común pensar que la Gran Muralla China es la única estructura hecha por el hombre visible desde el espacio; también es posible observar, desde el espacio, ciudades y algunos edificios claramente definidos. Del mismo modo, los vikingos suelen ser representados con cascos con cuernos; sin embargo, este detalle de la vestimenta de este pueblo fue creado por el compositor Wagner en su ópera The Ring Cycle.

Estos conceptos erróneos, desafortunadamente, no se limitan a curiosidades interesantes. Los mitos y errores también se pueden encontrar en el mundo de los negocios, aunque protegernos de ellos puede resultar muy costoso.

Ante los rápidos cambios en la industria de Business Intelligence (BI) en los últimos diez años, a menudo tendemos a creer en mitos en lo que respecta al análisis de datos. Mi objetivo es intentar deshacer algunos de ellos, así como conceptos obsoletos, de una vez por todas.

Veamos seis mitos sobre BI:

1 - Solo los gestores responsables de la toma de decisiones necesitan BI

A pesar de años de esfuerzo y de una enorme inversión, el BI no llega a manos de todos los responsables de los procesos de toma de decisiones. El uso de BI a menudo se limita a un cierto número de gestores con poder de decisión dentro de una organización, y este tipo de herramienta debería ser accesible para todo tipo de colaboradores, ya que el proceso de toma de decisiones es cada vez más amplio dentro de las organizaciones y empresas, y debido al hecho de que todas las decisiones necesitan datos.

Curiosamente, este concepto se remonta a estructuras jerárquicas anticuadas del siglo XIX, mucho antes de la existencia del software. Cuando se implementó por primera vez, el BI utilizó estas estructuras, lo que significaba que su objetivo tenía que ver con la auditoría y el control, y no con permitir que las personas tomaran mejores decisiones a través del análisis.

Hoy en día, y a pesar de que el BI se ha vuelto más sofisticado, este pensamiento sigue vigente a menudo, lo que significa que la mayoría de las personas no están extrayendo beneficios de las capas adicionales de datos a las que tienen acceso.

2 - Una buena herramienta de BI genera buenos informes

Casi todos los proyectos de BI comienzan con el objetivo loable de desarrollar informes de gestión. A menudo, informes financieros. Y, casi siempre, se le indica al departamento de TI lo que debe hacer la herramienta de BI. Sin embargo, el problema es que la información que se obtiene es estática y "dice" poco al usuario.

Esto significa que es casi imposible "interrogar" a los datos y, sin embargo, la capacidad de análisis debería ser la característica clave de un buen sistema de BI. Los usuarios necesitan ser capaces de interactuar, cuestionar los datos y construir sistemas de BI que puedan ayudar a explorar causas profundas, interrelaciones, tendencias y cambios en los datos.

3 - El BI In-Memory resuelve el problema de la adopción

En el mundo moderno, cualquier cosa que tarde más que una búsqueda en Google en generar una respuesta corre el riesgo de ser abandonada por sus usuarios. Sin embargo, hay más en la adopción que la velocidad en sí misma. Aunque sean rápidos, los sistemas de BI pueden volverse rígidos debido a la falta de un back-end potente y al tiempo que dedican los usuarios a producir informes o visualizaciones. ¿El resultado? El usuario puede dejar de querer usar los sistemas...

Para crear una cultura analítica, el software debe ser rápido, fácil de usar y lo suficientemente flexible como para seguir siendo relevante para el usuario.

4 - No tener internamente las habilidades analíticas necesarias

¿Por qué pagar a analistas y científicos de datos para interpretar información? Los seres humanos tienen capacidades analíticas naturales, que incluyen el reconocimiento de patrones (distinguiendo entre agrupaciones y puntos individuales), la detección de cambios (notar algo diferente en una habitación) y la categorización (detección de relevancia).

En su lugar, las empresas necesitan un software que democratice el análisis de datos para todos y utilice las habilidades analíticas innatas que todos tenemos. Las organizaciones necesitan democratizar el análisis de datos y ponerlo directamente en manos de sus colaboradores para generar mejores resultados.

5 - Necesitamos más recursos visuales para ayudar a las personas a "captar" los datos

Es cierto que alrededor del 60% de nuestro procesamiento neural se dedica a las cosas que vemos y, por lo tanto, las visualizaciones de datos son muy importantes. Sin embargo, una imagen por sí sola no es suficiente. Algunas herramientas tienen visualizaciones hermosas, pero no permiten la navegación en los datos y, obviamente, este hecho es una maldición, dadas las capacidades de los dispositivos actuales, utilizados por colaboradores/usuarios que buscan cada vez más información en Internet a través de diversas aplicaciones.

Es fundamental que los usuarios puedan interactuar con las visualizaciones para que puedan comprender su significado y realizar nuevos descubrimientos. Mirar un informe limitado estática o interactivamente pone fin a este proceso.

6 - Un mejor acceso a los datos significa mejores decisiones

Tener toda la información del mundo no ayudó a los banqueros a evitar la crisis financiera de 2009. El hecho de que los datos estén allí no significa que se estén utilizando de manera correcta.

La mejora en la capacidad de toma de decisiones requiere práctica y competencia. Estas aptitudes nacen del desarrollo de habilidades que ayudan a los usuarios a protegerse de situaciones inesperadas y de una mayor frecuencia en ciertas tareas.

Malcolm Gladwell escribió que nos toma 10 mil horas convertirnos en expertos en cualquier actividad. Así, también los usuarios que trabajan con cualquier sistema de BI necesitan seguir practicando el análisis de datos. Esta práctica los ayudará a tomar decisiones más inteligentes y a descubrir conceptos más útiles.

En 2016, las empresas buscan oportunidades de crecimiento y es fundamental que no se vean limitadas por el peso de la creencia en mitos. Necesitan revisar sus actitudes frente al análisis de datos y tomar medidas para avanzar en la dirección correcta. En última instancia, tomar estas medidas puede mejorar las operaciones comerciales, que es el objetivo de cualquier empresa. Y en ese hecho, estoy seguro de que siempre podemos creer.