De los algoritmos al Big Data y al Machine Learning (ML): el poder del dato y la inteligencia artificial (IA) para analizar y descubrir tendencias y desviaciones.
Los algoritmos son un conjunto de instrucciones de programación que, introducidas en un software de forma lógica, permiten analizar un conjunto de datos y establecer un “output” o solución. Nos dicen que, si pasa esto o aquello, entonces, hay que hacer esto otro.
Es más sencillo comprenderlo si pensamos, por ejemplo, en los productos financieros que nos ofrecen nuestras entidades financieras adaptándose al perfil que tienen elaborado de nosotros. Cada vez que lanzan un nuevo producto, un algoritmo comprueba el perfil de cada uno de sus clientes y el sistema “decide” quiénes se ajustan más a las características de dicho producto financiero (público objetivo). También funcionan con algoritmos inteligentes las recomendaciones de las búsquedas en internet, las sugerencias de compra de los portales de venta on-line, como Amazon, o los proveedores de contenidos de ocio en “streaming” como Spotify, Netflix y HBO.
Como vemos, los algoritmos, se emplean, entre otros muchísimos usos, para detectar patrones de comportamiento (tendencias), y tomar decisiones que permitan adaptar mejor los productos / servicios a las necesidades del cliente y/o anticiparse a determinadas situaciones, de riesgo o no. Lo importante de todo esto, y en lo que creo que tenemos que centrar nuestra atención, es en las posibilidades que el análisis avanzado de los datos abre para nuestra organización.
Normalmente, cuando nos situamos en el terreno de la pyme, no se piensa en el uso de los datos en estos niveles; pero sí es importante tener en mente el potencial que nos puede ofrecer una receta combinada de análisis de datos cuantitativos y cualitativos tomados de diversas fuentes, con una dosis de inteligencia artificial –IA- (análisis del sentimiento e intencionalidad del lenguaje; reconocimiento de imágenes y voz; resolución de intencionalidad de búsqueda…) y aprendizaje automático (machine learning). El futuro apunta a esa dirección.
Las soluciones de gestión empresarial modernas, ya sean de tipo ERP o CRM, incorporan a sus indicadores operativos interesantes sistemas de business intelligence que permiten, con pocos clics de ratón, realizar comparativas de datos de diversa índole (financieros, rendimiento de ventas, producción, satisfacción de clientes…), tomados de distintas fuentes (software ERP, CRM, e-commerce, Google Analytics, estudios de mercado, sensores y aparataje del proceso de fabricación…), y así detectar variaciones, tendencias y poder tomar decisiones fundamentadas en datos concretos, y no en apreciaciones subjetivas o en la intuición.
Asimismo, es posible conectar estos datos con sistemas predictivos fundamentados en inteligencia artificial, en concreto, en sistemas de marchine learning – aprendizaje automático). En este segundo escenario la complejidad es mayor: la empresa, además de ser capaz de analizar en detalle qué ha sucedido, tiene ante sí la posibilidad de predecir qué sucederá si se cumple un determinado patrón. Pensemos, por ejemplo, la capacidad de predecir la demanda de un determinado producto atendiendo a un modelo matemático entrenado basado en los históricos de venta y en las tendencias de un determinado sector de actividad.
Otro ejemplo es la capacidad que se incorpora a las aplicaciones de gestión para leer el contenido de los correos electrónicos recibidos y, conociendo el catálogo de productos de la compañía, elaborar de forma automática un pedido de venta.
Mira en este vídeo cómo Outlook incorpora inteligencia para, a partir de la información del contenido del mensaje, crear de forma automática pedidos de venta en el ERP Dynamics 365 Business Central.
Otro uso, más avanzado aún, es la aplicación de inteligencia empresarial a las soluciones ERP y CRM, para detectar, entre otros usos, tendencias en los departamentos de venta o atención al cliente.
Son los llamados Sales Insights o Customer Service Insights.
Las soluciones de business intelligence son el primer nivel avanzado de análisis de datos
Si algo caracteriza a la gestión moderna de las pymes es el gran volumen de datos y estadísticos (KPIs): ventas por clientes, rentabilidades, costes de producción, estadísticas del sector, índices de productividad y un largo etcétera. De todos los datos recogidos en los procesos de gestión solo una mínima parte se procesa y se interpreta y, en muchos casos, se pierde la posibilidad de anticiparse a determinadas situaciones y tomar decisiones apoyadas en datos que ayuden a la empresa a conseguir nuevos objetivos de crecimiento.
Muchas veces los datos están dispersos en múltiples ficheros o aplicaciones o, ni siquiera, se sabe de su existencia. Los datos, junto a los procesos, personas y dispositivos constituyen los ejes fundamentales sobre los que se estructuran los procesos de transformación digital. Según la consultora IDC, la analítica de datos proporciona a las empresas múltiples beneficios; algunos ejemplos son:
- 45% de mejora de los resultados.
- 19% de incremento de ventas online.
- 35% de incremento del ROI.
- 35% de aumento de la satisfacción del cliente.
- 5% de incremento de la productividad de los empleados.
Como primer paso, es necesario contar con una buena plataforma CRM o ERP para organizar los datos de gestión (de clientes, de facturación, producción, ventas…). A partir de ahí, es fundamental desplegar herramientas avanzadas de análisis de datos que superen las tareas que, tradicionalmente, se han venido ejecutando con Excel o informes a medida. Se trata, por tanto, de adoptar una herramienta de Business Intelligence que combine, si se desea, diversas fuentes u orígenes de datos (SQL, MySQL, ficheros Excel, listados on-line, estudios de mercado…) para analizar, cruzar y relacionar datos con agilidad y simplificar los procesos de toma de decisiones a partir de gráficos y KPIs (indicadores de rendimiento) muy visuales.
No te pierdas esta píldora en la que se explica, a modo de ejemplo, cómo el análisis de datos moderniza el rol que desempeñan los controllers financieros.
Para conseguir desplegar con éxito una estrategia de análisis de datos es imprescindible activar un proceso que organice, seleccione y analice toda la información que poseemos en la organización para darle una utilidad práctica. En términos generales, la información que maneja una pyme tiene dos orígenes:
- Interno: datos financieros y contables, de clientes, de producción, de calidad… Frecuentemente, se almacenan en las soluciones ERP, CRM y gestores documentales.
- Externo: datos sobre el mercado, la competencia u opiniones de nuestros productos y servicios. Frecuentemente son proporcionados por analistas, oficinas de estadística y redes sociales.
Caso Práctico: Conoce cómo Power BI ayuda a Bodega Cuatro Rayas
Inmersa en un proceso de transformación digital que combina tradición en la elaboración y modernidad tecnológica en la gestión y relación, la compañía opera con agilidad en más de 50 mercados, gestiona más de 2.150 Has de viñedo propio, produce alrededor de 15 millones de botellas, promueve una interesante oferta enoturística, y emplea a 80 profesionales directos y alrededor de 300 socios cooperativistas. Hoy en día, representa más del 20% del vino embotellado en la Denominación de Origen Rueda. Leer experiencia completa.
“Cada día, y en cada uno de los departamentos, manejamos múltiples datos que deben ser analizados, simultáneamente de forma conjunta e independiente; es decir, debemos obtener una visión global y precisa del estado del negocio desde múltiples perspectivas (finanzas, ventas, producción…). Gerencia demanda indicadores relevantes ágiles de manejar y actualizar y, a su vez, los responsables de cada departamento precisan estudios en profundidad de cada dato e indicador. El cambio ha sido sustancial: Hemos pasado de tener muchos datos en bruto, en distintos formatos, ficheros… siguiendo distintas tipificaciones… a operar con un marco de análisis depurado que convierte el dato en información útil para la toma de decisiones”, apunta Mario González, Responsable de Tecnología de Bodega Cuatro Rayas (Mario González, Director de Tecnología).