La inteligencia empresarial necesita un impulso de la inteligencia de decisiones

imágenes falsas

La inteligencia de negocios ahora necesita inteligencia de decisiones.

BI es el uso de datos para informar decisiones. Mientras tanto, la inteligencia de decisiones es el uso de análisis aumentados y aprendizaje automático para mostrar automáticamente información que conduce a decisiones y acciones.

Durante décadas, BI se ha utilizado para crear informes y tableros que han permitido a las organizaciones tomar decisiones más inteligentes que las que habrían tomado utilizando solo los instintos desarrollados a través de la experiencia.

Las plataformas de BI, desde Cognos y BusinessObjects hace un par de décadas hasta el moderno Microsoft Power BI, Qlik y Tableau, han sido medios fundamentales para ayudar a las organizaciones a competir con sus pares mediante el uso de datos para informar decisiones e incluso obtener ventajas.

Ayudan a los equipos de datos a crear modelos que predicen resultados futuros y fomentan la exploración y el análisis de autoservicio por parte de los usuarios comerciales, lo que les permite tomar decisiones en el momento que estimulan el crecimiento de su organización.

Pero BI tiene limitaciones, según Wayne Eckerson, fundador y consultor principal de Eckerson Group, quien habló durante un seminario web reciente organizado por el proveedor de análisis Sisu.

"La promesa de BI era convertir los datos en información y acción, y nos lleva a una parte del camino", dijo. "Pero hemos descubierto a lo largo de los años que no nos lleva hasta allí. No va hasta el último kilómetro para pasar de los datos a los conocimientos y la acción. No hay nada de malo con BI, pero tiene funciones integradas limitaciones".

Eckerson señaló que las limitaciones de BI incluyen lo siguiente:

Mientras tanto, las limitaciones de BI están siendo expuestas por el crecimiento exponencial en la cantidad de datos que las organizaciones ahora recopilan y la creciente complejidad de esos datos a medida que fluyen desde un número cada vez mayor de fuentes.

El resultado de las limitaciones de BI es un cuello de botella en la toma de decisiones. Los datos son demasiado para que los humanos los administren, y su complejidad está más allá del alcance de los usuarios de autoservicio.

Al igual que los equipos de datos que creaban informes y tableros eran un proceso lento antes del surgimiento del análisis de autoservicio, con consumidores de datos que esperaban semanas o incluso meses para que los equipos de datos completaran un proyecto determinado, los equipos de datos nuevamente se ven abrumados por preguntas sobre datos, y los proyectos se están estancando nuevamente.

Unas pocas semanas o un par de meses para producir un informe o tablero puede haber sido lo suficientemente bueno hace una o dos décadas. Ahora que más de los pares de una organización están tan impulsados ​​por los datos como ellos, no lo es. Además, las condiciones económicas que cambian rápidamente debido a eventos mundiales como la pandemia y la guerra en Ucrania requieren que las organizaciones actúen y reaccionen rápidamente.

"Resolver el cuello de botella, además de la calidad de los datos, es el mayor problema que enfrenta la industria de análisis", dijo Eckerson. "Los usuarios comerciales simplemente no pueden obtener los conocimientos que necesitan para tomar medidas".

Y ni contratar más analistas de datos y científicos de datos ni desarrollar mejores herramientas de análisis de autoservicio son la forma de aflojar el cuello de botella, continuó.

A medida que aumentan el volumen y la complejidad de los datos, nunca habrá suficientes trabajadores de datos para mantenerse al día ni suficiente dinero para pagarles. Agregar más usuarios y tecnología de autoservicio requiere una costosa capacitación en alfabetización de datos y un gobierno de datos estricto para controlar el caos potencial.

En cambio, los equipos de datos necesitan tecnología que los haga más eficientes. Esa tecnología es la inteligencia de decisiones.

"Las plataformas de inteligencia de decisiones son como contratar un ejército de analistas de datos sin gastar dinero extra, excepto en una licencia de software", dijo Eckerson.

Joel McKelvey, vicepresidente de marketing de productos de Sisu, un proveedor que, como Pyramid Analytics y Tellius, se especializa en herramientas de inteligencia de decisiones, también señaló que BI necesita capacidades de inteligencia de decisiones para mejorar la eficiencia y satisfacer las necesidades modernas de las organizaciones.

"BI ha tenido un éxito increíble", dijo. "Pero los datos han crecido, y la complejidad de esos datos ha crecido, más allá de nuestra capacidad de servirlos a cualquiera en la empresa. No creo que BI sea malo, pero la implementación de una herramienta de generación de informes y tableros ha ha superado. Lo que necesitamos ahora es una herramienta que automatice gran parte de lo que hace BI".

La inteligencia de decisiones utiliza esencialmente IA y aprendizaje automático para monitorear datos.

Cada organización tiene un conjunto de métricas comerciales que son más importantes para su éxito. Sus equipos de datos pueden programar una plataforma de inteligencia de decisiones para realizar vigilancia las 24 horas de esas métricas y los datos que las impulsan.

Cada vez que hay un cambio en esas métricas, la herramienta de inteligencia de decisiones alerta automáticamente a las partes interesadas clave.

Pero no se limitan a monitorear lo que está sucediendo. Debido a que pueden filtrar millones de combinaciones de puntos de datos en segundos, pueden revelar por qué las métricas están cambiando y sugerir las causas más probables, ahorrando a los analistas el tiempo que de otro modo se gastaría en realizar análisis de causa raíz.

El resultado es que los trabajadores de datos se vuelven de 10 a 100 veces más productivos que solo con una herramienta de BI, según Eckerson.

"La inteligencia de decisiones se trata de empoderar a los analistas de datos y científicos de datos con un potente motor que examinará millones de registros en menos de un segundo y sacará a la luz problemas relevantes con los que debe lidiar", dijo. "Nunca podría analizar sus datos de esa manera ni siquiera como un ejército de analistas, pero estas herramientas hacen eso. Sacan a la superficie cosas que vale la pena ver por parte de los analistas que tiene".

Dicho esto, las herramientas de inteligencia de decisiones no deberían reemplazar las plataformas de BI, según McKelvey.

En su lugar, la inteligencia de decisiones debe complementar la BI sacando a la superficie conocimientos que, de otro modo, tardarían meses en descubrirse y ofreciendo acciones posteriores sugeridas. A pesar de sus capacidades de automatización, la inteligencia de decisiones solo debe usarse para automatizar ciertas acciones básicas y repetibles que resultan de los conocimientos que surgen automáticamente.

"La inteligencia de decisiones se trata de llegar a una decisión", dijo McKelvey. "No es correcto que asumamos que las decisiones se automatizarán a través de este proceso. Realmente se trata de hacer que las personas lleguen al punto en que las decisiones estén claras y basadas en datos. Toma datos a escala de máquina y los reduce hasta un punto en el que los humanos pueden actuar de manera significativa".

Los humanos poseen un conocimiento intuitivo crítico, continuó McKelvey.

Entienden ciertas distinciones que las máquinas no pueden. Por lo tanto, mientras que la inteligencia de decisiones puede automatizar ciertos procesos y decisiones sencillos ("si sucede X, entonces siempre haga Y"), las decisiones más matizadas requieren cierta interpretación humana, según McKelvey.

"Usamos la inteligencia de decisiones para aumentar a los humanos, no para reemplazarlos", dijo.

Los humanos también son mejores que las máquinas para distinguir si algo parece estar un poco mal.

Si bien las máquinas pueden filtrar datos y descubrir información exponencialmente más rápido que los humanos, no son necesariamente mejores para reconocer cuándo una información podría estar basada en datos incorrectos y, por lo tanto, no ser correcta. Una acción basada en datos incorrectos puede resultar desastrosa.

"La inteligencia de decisiones no resuelve los problemas de disputas y preparación de datos", dijo Eckerson. "Todavía necesita buenos datos. Es basura que entra, basura que sale; quiere asegurarse de que está entregando datos de alta calidad, porque cuanto mejor sea la calidad de los datos que tenga, mejores resultados obtendrá".

Eventualmente, la inteligencia de decisiones permitirá a las organizaciones automatizar más acciones. Pero las herramientas aún están en pañales, según Eckerson.

En última instancia, el objetivo de la inteligencia de decisiones es detectar lo que sucedió, analizar por qué sucedió, pronosticar lo que sucederá como resultado, prescribir posibles respuestas y actuar de acuerdo con esa prescripción.

"Todavía no hemos llegado a ese punto", dijo Eckerson. "Pero creo que dentro de tres a cinco años, aquí es donde estará la gran mayoría de la tecnología. Evolucionarán muy rápidamente en los próximos años. Las características realmente geniales vendrán en el futuro, como la capacidad para hacer previsiones, prescripciones e incluso tomar medidas, si es necesario".