Business Intelligence

Vigencia de Business Intelligence

Antes de detallar cómo y por qué BI es importante para perfiles como el CTO y el CIO, tenemos que preguntarnos si esto que llamamos “Business Intelligence”, BI por abreviar, sigue estando vigente… y la respuesta es absolutamente SÍ. Desde luego que el concepto BI existe desde hace muchos años (mucho antes de que existiera Big Data, por ejemplo), pero esto no quiere decir que sea “lo antiguo”, al contrario: está más vigente que nunca, porque BI significa “aplicar inteligencia procedente de los datos, para tomar las mejores decisiones de negocio y de gestión”.

Lo que ocurre es que hace 30 años sólo teníamos un Data Warehouse y alguna sencilla herramienta de Data Mining y construcción de patrones sobre datos; y por aquel entonces, no se generaban datos al ritmo que se generan ahora, pero justamente por eso el paradigma básico es más fuerte que antes: si tenemos más y mejores datos que nunca, ¿por qué no los aprovechamos para gestionar una empresa, un departamento o un proyecto, de la mejor forma posible? Ni más ni menos que eso es lo que significa “hacer o aplicar” BI.

Así que BI no consiste en montar una arquitectura Big Data, o una red Blockchain, o un sistema de procesamiento en paralelo para responder en tiempo real, pero puede incluir todo ello: si los datos que queremos usar son de naturaleza variada (procedentes de IoT frecuentemente) y en gran volumen, sin duda Big Data será de ayuda; si queremos inmutabilidad y seguridad, entonces Blockchain será de ayuda; si “sólo” queremos analítica sobre dimensiones de datos relacionales, nos basta con un clásico DataWarehouse; o herramientas más complejas para aplicar algoritmia avanzada, modelos predictivos… pero estas son sólo algunas de las herramientas que podemos utilizar ni más ni menos que para utilizar los datos para nuestra mejor conveniencia; esto es hacer BI: poner el dato en el centro de las acciones y las decisiones.

Para profundizar en este tema, podéis leer el artículo Qué es Business Intelligence y cuáles son sus beneficios.

La importancia de los datos para los CTOs y los CIOs

¿Por qué los datos son tan importantes para los CTOs y los CIOs?

El CTO (Chief Technology Officer) se centra en asuntos tecnológicos y científicos alineando la estrategia técnica de la empresa con la estrategia de negocio, y el CIO es el director de sistemas de información. Imaginemos que el CTO ignora los datos para llevar a cabo su trabajo, por ejemplo, el CTO toma la decisión de implantar un ERP que no está alineado con la estrategia comercial, que no soporta el proceso de negocio, de venta, de su propia empresa. Lo hace porque “sale más barato que otro”, y en eso basa su decisión. Así que, al poco tiempo, el proceso de venta, o de inventario, o de operaciones empiezan a verse afectados y con ello el negocio de la organización, lo cual con seguridad saldrá mucho más caro que un ahorro más o menos pequeño cuando se eligió el ERP. ¡¡Y ha utilizado un dato para decidir!!

Pero ¿y qué ocurre con el resto de información? Cuántas actividades hay que registrar, qué datos de ventas y de operaciones, en qué volumen, con qué frecuencia de uso, qué formación tienen las personas que deben registrarlo, cuál es la calidad del histórico disponible y por tanto su fiabilidad… y así un largo etcétera. Si este CTO hubiera tenido en cuenta toda esta información, su decisión habría sido diferente (optando por otro ERP, o considerando cuestiones de implantación importantes) y con toda probabilidad, mucho mejor.

Resumiendo: ¿acaso un CTO puede atreverse a tomar decisiones arbitrarias, basándose en un único dato, basándose en una apreciación subjetiva, o en si tiene una mañana pesimista u optimista? Y no tiene excusa, es decir, actualmente vivimos en la “era del dato” y siempre existe una fuente de datos de la que disponer (y si no existe, la primera decisión que el CTO debe tomar es justamente construir dicha fuente de datos o conectarse a la misma). En la era de la información, no recurrir a la información sería un sinsentido.

Business Intelligence como fuente de información

Si el CTO debe diseñar y aplicar una estrategia técnica, el CIO debe monitorizar constantemente si la estrategia de TI está alineada con la estrategia de negocio de la empresa, y esto no consiste en tomar una decisión puntual en un momento determinado, y después “dejar que todo siga su curso”; esto no es hacer BI, sino simplemente “tomar una decisión puntual”: BI también significa aplicar conocimiento derivado de los datos de forma continuada en el tiempo. Por eso construir un sistema de BI no consiste en implementar un cuadro de mando para tomar una decisión puntual o concreta: los datos cambian y por lo tanto la información (los datos procesados y resumidos) debe ser actualizada para hacer un seguimiento de la decisión, y ajustarla o cambiarla si es necesario.

En este contexto de decisión de CTOs y CIOs cabe decir que los datos en tiempo real (una expresión que nos encanta escuchar) no suelen ser necesarios: estos perfiles definen y aplican estrategias (más técnica el CTO, más de gobierno el CIO), lo cual debe hacerse en base a información histórica, lecciones aprendidas, patrones de métricas, etc.

Supongamos que un servicio de TI, por ejemplo, el correo electrónico, está generando cada vez más incidencias. Sin contexto, podemos pensar precipitadamente que “esto es malo, es una mala señal”. Pero, ¿y si el servicio se utiliza cada vez más, porque el número de usuarios aumenta? ¿Y si el número de usuarios es constante, pero lo utilizan cada vez más porque funciona muy bien y es el canal de comunicación preferido por los empleados? ¿Y si cada vez tenemos más clientes, y utilizan el email como medio habitual de comunicación?

Analizando éstas y otras muchas cuestiones, ¿y si el número de incidencias está creciendo un 1% a la semana, mientras el uso del servicio está creciendo un 10% a la semana? Ya no parece tan mala señal, ¡¡al contrario, se trata de un servicio que está aportando un enorme valor!! Por lo tanto, el CIO debe decidir para fortalecer dicho servicio, asumiendo (por ejemplo) que el objetivo no es reducir el número de incidencias sino reducir el tiempo de resolución de las mismas.

Pues este sencillo ejemplo es una aplicación básica, pero absolutamente necesaria, del ciclo de vida de BI:

1. En primer lugar, ¿qué queremos saber? En este caso, la capacidad (personas, hardware…) que tenemos que poner a disposición de un servicio.

2. En segundo lugar, ¿qué datos necesitamos obtener para decidir? En este caso: cantidad y tipo de incidencias por unidad de tiempo, tiempos de resolución, número de usuarios, número de accesos y métricas de uso, y un largo etcétera.

3. En tercer lugar, un paso que se olvida demasiadas veces: el de preguntarnos ¿Podemos obtener esos datos? Si la respuesta es no, tenemos que parar aquí, o todo el trabajo posterior supondrá un desperdicio de tiempo y dinero; o lo que es peor, tomar malas decisiones (por ejemplo, si sólo sabemos que hay más incidencias, pero no que hay mucha más utilización del servicio porque hay muchos más usuarios).

4. En cuanto lugar, obtener dichos datos y transformarlos en métricas; una métrica es una combinación de datos que resulta de interés para el objeto de estudio: un dato dice que en el último mes se han producido 1.000 incidencias; una métrica dice que se han producido un 10% más de incidencias que el mes anterior, o que se ha producido una incidencia cada 150 usos del servicio. Un dato dice que el servidor de correo tiene 400 Gigas de información, y otro dato que se han enviado 25.000 correos electrónicos; una métrica indicaría que cada correo electrónico supone 20kb de espacio en el servidor. Y así, todas las que sean necesarias para cualquier decisión que queramos tomar. En este punto es donde se centra el trabajo de ciclo de vida del dato y de ciencia de datos: ingesta, curación de datos, almacenamiento, procesamiento (obtener patrones, tendencias, aplicar algoritmia, etc.).

5. Diseñar y construir la solución de usuario para tomar la decisión, es decir, no basta con mostrar un “listado de métricas”… sino mostrar algo inteligible para ese CTO o ese CIO: un mapa de calor, un gráfico con gradientes, un visualizador que suponga información y no sólo “datos”; la idea es que el usuario se concentre en evaluar una decisión, no en entender ninguna “sopa de datos”.

6. Actualizar los datos. Este último paso no se puede pasar por alto… si una decisión debe ser tomada cada mes / trimestre / semestre (¡o cada 5 minutos!), la información debe ser la más pertinente y aplicable en dicho periodo de tiempo.

Business Intelligence como factor de cambio

Hace un momento hablábamos de tomar una decisión correcta… ¿para qué sirve tomar una decisión, si no es para cambiar algo?

Y aún más: si queremos tomar una serie de decisiones a lo largo del tiempo, de forma sucesiva, y construyendo cada decisión sobre el resultado de la anterior, ¿acaso no es esto un proceso de cambio? Y es un proceso que debe ser estable: si cada decisión es buena, es más probable que la siguiente también lo sea.

Un conjunto de buenas decisiones, deberían conducirnos a un cambio en la dirección que queremos: vender más, gastar menos, innovar mejor, mejorar un portfolio, mejorar un producto, etc., ¿acaso no es todo esto el “business” de los CTO y de los CIO? Así que la conclusión es de sentido común: si el objetivo es implementar estos cambios de forma adecuada, ¿cómo hacerlo sin el conocimiento que construimos gracias a un sistema de Business Intelligence? Se antoja imposible. Además, disponemos de una amalgama de posibilidades en estos sistemas de apoyo a la decisión:

• Sistemas descriptivos: son los que nos dicen cómo están las cosas: cuándo vendemos, cuánto gastamos en infraestructura TI, cuántas incidencias tenemos, cuánta capacidad gestionamos, etc.,pero no transmitida como datos crudos, sino como métricas y KPIs comprensibles y pertinentes para ese CTO o CIO. Y no sólo como valores puntuales, sino también a lo largo del tiempo (por ello debemos incluir el reciclaje de los datos).

• Sistemas diagnósticos: nos permiten averiguar el “por qué”, de la realidad anteriormente descrita: ¿Por qué las incidencias tardan más tiempo en solucionarse que antes? ¿Por qué el servicio se utiliza un 10% más (o menos) cada mes? … El objetivo de un sistema de BI diagnóstico es conocer las causas de los valores reales de las métricas.

• Sistemas predictivos: Cuando hemos conseguido conocer las causas que provocan consecuencias, entonces hemos generado patrones de causa-efecto: si la causa se vuelve a producir, entonces podemos “predecir” su efecto. Si el número de usuarios se está incrementando a un ritmo del 10% mensual, podemos prever que la capacidad de almacenamiento en cloud aumentará (al menos) un 10%, y también podemos prever cuándo caería el servicio en caso de no poner a disposición dicha capacidad o si se vería afectado de alguna manera.

• Sistemas prescriptivos: Dado el ejemplo anterior, ¿no podríamos automatizar la asignación de más espacio, cada vez que un nuevo lote de usuarios se da de alta en el servicio? La capacidad prescriptiva consiste en proponer (o ejecutar de forma automatizada) la mejor acción posible dada la predicción que el sistema está llevando a cabo (o una predicción que una persona infiere gracias a la información que le proporciona el sistema).

En función de qué tipo de preguntas queramos contestar, necesitaremos un tipo de sistema u otro (o quizá, todos), y sería la base del diseño de una adecuada estrategia de Business Intelligence.

Ningún CTO ni CIO debería quitar valor a los niveles descriptivos y diagnósticos: está de moda hablar de modelos predictivos, prescriptivos… pero si no sabemos cómo están las cosas, y por qué suceden, no hay forma de construir un sistema predictivo fiable.

Conclusión

En consecuencia, viviendo la era de la datificación en la que todo lo que hacemos y todo lo que sucede genera datos, es impensable que las personas que toman decisiones y definen estrategias, como los CTOs y los CIOs (y en general todo CXO, sin duda) no se apoyen en dichos datos para su trabajo; eso sí, no hablando simplemente de “datos”, sino de información entendible, de utilidad y de alto valor para las decisiones que deben tomar; y aquí, es donde el campo de trabajo de Business Intelligence y todo lo que implica es donde entra en acción: es el puente entre lo que sucede en la realidad y las acciones adecuadas que resultan de las decisiones correctas.