Es una mañana tranquila de lunes y el clima es cálido pero no insoportable. En la radio, suena la canción que más te gusta y por casualidad, coincide con un excelente panorama afuera. Estás muy contento por el avance en Inteligencia de Negocios de tu compañía. Te vienen a la mente miles de ideas y dos preguntas:
- ¿Hay algo mejor que éste momento?
- ¿Algo podría estropearlo?
La respuesta llega pronto y quisiera decir que de una fuente inesperada, pero no es así. La única persona que podría estropear un momento como el que estabas viviendo es, efectivamente, K.L. Ruin. Te llegan 3 mensajes de personas diferentes a tu WhatsApp y todos dicen lo mismo:
«Apresúrate a conectarte porque K.L. Ruin está despotricando contra todos y seguro que pronto te tocará a ti.» Aún no ha olvidado sus últimas derrotas. La de la Evaluación de Desempeño, el Brainstorming y sin duda la peor de todas, una aventura ágil y delgada.
¿Cuál es el problema de ésta semana con K.L. Ruin?
Nuestro amigo parece haber recolectado de diversas fuentes una gran cantidad de información. Te culpa a ti, Country Manager de la compañía, de no haberla explotado correctamente. Por eso, los resultados no están dándose como se esperaba. La atención a clientes no mejora por más esfuerzo que se hacen, inclusive con el WIKI a todo lo que da. Aunque, parece ser que la estrategia en lo general funciona. Pero remontar ese último 5% de mejora parece imposible.
El CEO de la empresa convoca a una reunión urgente para la siguiente semana, reunión a las 0800 horas, porque el se encuentra en Nueva York. El correo es escueto como siempre y solicita que se revise la información que proveyó K.L. Ruin a profundidad. Además, que se determine si la misma es válida y confiable. Y de serlo, con su análisis se construya un plan de acción que ayude a la mejora continua de la empresa y se obtengan “los resultados.”
Un Country Manager con un As bajo la manga, Inteligencia de Negocios.
Todavía no es la hora de la comida del lunes y ya tienes una misión, a vista de todos, imposible para la próxima semana. Tienes que analizar lo que signifiquen “600 GB de información” (palabras textuales de K.L. Ruin). Ejecutar lo solicitado por tu CEO, apenas hace un momento en la videoconferencia. Indagar cuales pueden ser las verdaderas intenciones de K.L. Ruin, junto con todo ésto.
Lo que nadie sabe, porque es un proyecto que está en ciernes y por lo tanto, no se ha podido presentar formalmente. Es que tu recién llegado Científico de Datos ya tiene lista la plataforma que utilizarán para analizar toda la información que han venido recabando. Inicialmente, habías pensado que con esas habilidades de MySQL y reporteo que tienes en tu #CountryManager #Toolkit bastaría. Pero, en ésta ocasión no podría ser así. Porque, al irte adentrando al conjunto de información, viste que cada vez más se convertía en algo que se llama #BigData.
En las primeras reuniones con tu Científico de Datos, se volvió totalmente tangible un concepto que te es familiar, Inteligencia de Negocios (Business Intelligence o BI). Pero también se mencionó algo un poco más abstracto llamado Data Mining.
¿Qué es la Inteligencia de Negocios?
Según Foote (2017) “La inteligencia de negocios, como es entendida al día de hoy, usa la tecnología para obtener y analizar datos, transformarla en información útil y actuar en consecuencia ‘antes que la competencia’.” Aunque el autor en el mismo artículo sugiere que las aplicaciones de Inteligencia de Negocios han evolucionado tanto que ofrecen interfaces amigables a cualquier usuario. Para hacer honor a la verdad, la utilidad de la información depende de que pueda ser correctamente explotada. Y ahí es donde entra el Científico de Datos.
¿Qué es un Científico de Datos en la Inteligencia de Negocios?
Como lo define Rouse (2017) un Científico de Datos es la persona que “es responsable por recavar, analizar e interpretar grandes cantidades de datos para identificar formas de mejorar las operaciones de los negocios y aventajar a los rivales de la industria.” Dentro de su detallada explicación, la autora menciona que un Científico de Datos no es un simple analista información. Aunque ambos roles se cruzan en varios puntos comunes. El Científico de Datos, tiene la capacidad de analizar gran cantidad de datos asistido por herramientas avanzadas y, en ocasiones, sin un objetivo específico.
¿Qué relación tiene el concepto Big Data con la Inteligencia de Negocios?
Big Data es todo en temas de Inteligencia de Negocios. Los datos masivos, macrodatos, datos a gran escala o simplemente #BigData, es una secuencia de datos que:
- se generan a grandes Volúmenes,
- a alta Velocidad y,
- son muy Variados (lo que representa las primeras tres V de Big Data).
Pero también, deben ser Valiosos y Verídicos. Por lo tanto, Big Data son grandes conjuntos de datos que no pueden ser tratados por los sistemas tradicionales de análisis de información y se ajustan a las 5 Vs ya descritas (Wikipedia, n.d.)
Y, ¿la minería de datos (data mining)?
Por lo que podemos leer en Wikipedia (n.d.) la minería de datos «es el proceso de descubrir patrones en grandes conjuntos de datos utilizando métodos que se encuentran en los límites del aprendizaje de máquinas (machine learning), estadística y las bases de datos.»
¿Cuál era tu plan de Inteligencia de Negocios?
El trabajo que está desarrollando tu científico de datos ha sido encontrar los conjuntos de información relevantes en tres diferentes áreas del negocio. La primera, en el área de logística y distribución. La segunda, en el área de ventas y mercadotecnia. Y, la tercera, en el área de investigación de mercados y redes sociales.
Para el momento en que K.L Ruin trajo consigo el disco duro que contenía “la información”, gracias al trabajo del equipo, ya existía una plataforma de código abierto instalada en los servidores de la compañía sobre la cual trabajaba activamente tu científico de datos.
¿Cómo afrontaste el reto de K.L. Ruin sobre Inteligencia de Negocios?
En esta ocasión como en ninguna otra, agradeciste el haber podido ejecutar a finales del año pasado, la estrategia de Planeación de Ventas y Operaciones. Como consecuencia, pudiste detectar grandes vacíos de información. Además, tras realizar una investigación concluiste la necesidad de un Científico de datos. Éste, revisó rápidamente y te proveyó el resultado de la información.
En semanas anteriores, por los avances de la investigación que tu Científico de Datos ejecutó, solicitó ese conjunto de información al equipo de K.L. Ruin. Por lo anterior, ya estaba cargada toda la información en el sistema de Business Intelligence. Se habían realizado un par de corridas para analizar la información. Inclusive, se tenía un bosquejo de las mejoras que se podrían alcanzar para incrementar la satisfacción de los clientes.
El viernes previo a la reunión enviaste un resumen de lo que sería tratado en la misma del lunes siguiente. El reporte indicaba la validez de la información que K.L Ruin había entregado. Señalaba el mismo, dos caminos de acción probables para la mejora del servicio al cliente. Y la necesidad de montar nuevos puntos de recolección de información en cada uno de los vehículos de reparto.
¿Cuáles datos se utilizaron en la presentación de la estrategia de Inteligencia de Negocios de la compañía?
No hay fecha que no llegue, ni plazo que no se cumpla. Lunes por la mañana, el característico logotipo en la pantalla de tu laptop. Solo a la espera de que se vayan conectando uno a uno los convocados a la videoconferencia. A la hora establecida, todos los participantes se encuentran conectados e inicia la presentación:
- Describes el origen de la estrategia.
- Mencionas como, partiendo de la encuesta de satisfacción al cliente del año anterior, se relacionó sus resultados con cuatro diferentes conjunto de datos:
- Logística.
- Empaque.
- Blogs y Vblogs de usuarios de productos similares, sustitutos y complementarios.
- Reportes al número 01800 de la compañía y comentarios en redes sociales.
- Hubo un gran descubrimiento, el interés ‘verde’ de la mayoría de los clientes actuales y potenciales.
- Por lo tanto, se decidió en la reunión incluir la información de GPS y un código de rastreo en los empaques que se recolectarían con la nueva herramienta de movilidad proveída a los vehículos de reparto.
¿Cuál fue la solución al final?
La solución final fue que los clientes podrán almacenar los empaques de sus productos. Despues, podrán solicitar la recolección de los mismos por parte de la propia compañía. Además, serás capaz de reportar en tiempo real tanto la entrega de los productos como la recolección y disposición a destino final de los empaques en cada momento. También, la cantidad de kilómetros ahorrados por la eficiencia en la recolección y entrega de productos. Todo para incluir en tu página WEB, el indicador de huella de carbono y las acciones que realizarás para ir reduciendo la de tu compañía.
Referencias.
Foote, Keith D. (2017). A brief history of business intelligence. Dataversity. Accesado el 25 de Febrero de 2019 en https://www.dataversity.net/brief-history-business-intelligence/#
Rouse, Margaret et all (2017). Data Scientist. Advanced data visualization guide: How visualizing data can boost BI. TechTarget. Accesado el 25 de Febrero de 2017 en https://searchenterpriseai.techtarget.com/definition/data-scientist
Wikipedia (n.d.). Big data. Accesado el 25 de Febrero de 2019 en https://en.wikipedia.org/wiki/Big_data
Wikipedia (n.d.) Data mining. Accesaro el 25 de Febrero de 2019 en https://en.wikipedia.org/wiki/Data_mining