Por Luis Nikiel, Director de
Improve Solutions, Crystalis Consulting
¿Para qué sirve el Business Intelligence?
Business Intelligence es una herramienta que apunta a generar
soluciones para la toma de decisiones.
En los años 90 el problema era sistematizar los procedimientos
internos hasta llegar a un registro contable, con información
sobre qué pedía el cliente, cuando, si se facturaba, si se
cobraba, si se registraba... es decir, todas necesidades de
producción y ventas. Así, se dispararon proyectos en los cuales
las empresas instalaron sus ERP para dominar el mundo de las
transacciones.
Pero el mundo de las transacciones permite trabajar sobre las
operaciones cotidianas: puedo vender? Qué tengo en stock? Cuál
es el límite de crédito de este cliente? Ya me pagó?
Todas estas respuestas tienen que ver con el desarrollo del
trabajo día a día, es información des-agregada y perecedera, muy
específica, llamada de “alta granularidad”. Como resultado voy a
tener registradas cantidades de pedidos, números, costos,
indicadores al detalle.
Esta información es de suma utilidad en el nivel operacional,
pero para ir al siguiente nivel de decisiones, hay que mirar un
escalón arriba, donde el nivel de detalle ya no es tan
importante sino que se necesita información más agregad o con un
nivel de agregamiento superior. En este nivel no nos preocupa
tanto cuánto compró el cliente, sino el análisis.
Por ejemplo cómo funciona una línea de productos, una marca, una
zona. Nos importa generar una información comparativa e
histórica para analizar tendencias y proyecciones.
Es la misma información sumarizada o agregada, pero en ambientes
diferentes.
El primero es transaccional, de detalle, y otro es aquel donde
voy a almacenar información para conocerla. Ese almacenamiento
de datos es lo que llamamos “DataWarehouse”.
Qué es el DW.
“DataWarehouse” contendrá toda la información del mundo
transaccional, y además se sumarán datos de la web, de empresas
proveedoras de análisis de mercado, o que puedan generar
sistemas paralelos internos o externos de la compañía. Esto
permitirá que se pueda comparar mis operaciones, y trasladarlas
a un tipo de cambio según una pizarra determinada a la que
accedo por Internet, por ejemplo
Es importante que en cada empresa haya un solo centro de
almacenamiento de datos, un solo DataWarehouse, porque este será
el repositorio de una cantidad de información que deberá
compartir toda la empresa, y no debe haber dos fuentes
diferentes. Si hay un solo DataWarehouse, no habrá múltiples
orígenes para la toma de decisiones. Es que aunque a priori no
lo parezca, en nuestra experiencia hay una cantidad de términos
que deben definirse previamente para toda la empresa, ya que una
libre interpretación podría producir una serie de trastornos.
Esto tiene que ver con que en distintas áreas de una misma
empresa, puede haber áreas con criterios e intereses diferentes.
Tomemos como ejemplo el término “ventas”. Supongamos que la
mercadería fu encargada y ya está embalada y lista para su
envío, en el camión de la empresa proveedora. Para el sector
“ventas”, la venta ya se realizó en la medida en que el cliente
confirmó el pedido. Pero para el sector cobranzas, la operación
no está concluida hasta que se acredita el pago.
Por eso, en el DataWarehouse se deberá establecer un discurso y
un criterio para determinar cuando es una venta, para todos.
A medida que se sube en la pirámide organizacional, cada vez es
menor la cantidad de usuarios y se incrementa el nivel de
sumarización. Es decir que se necesita un menor detalle de
información, e indicadores resumidos.
Una aclaración: es importante definir cómo se va a trabajar con
los indicadores. En B.I. se trata de definir cuáles serán los
indicadores que va a utilizar la compañía, que varían en su
concepto, y establecer una metodología para resolverlos siempre,
de modo que sean comparables. La idea es que cada responsable de
sector defina sus indicadores claves.
La conjunción de distintos indicadores reunidos en un
determinado contexto, brinda información muy rica para generar
una acción. La secuencia entonces es comenzar una operación,
medir resultados, establecer desvíos, generar acciones
correctivas, y comenzar de nuevo.
Que es el DM.
Desde los años 90, y con información ya almacenada en el
DataWarehouse, aparece la “minería de datos” o DataMining (DM).
La diferencia con el DataWarehouse es que el DataMining va a
contestar preguntas que no están todavía realizadas. En el
primero se respondía “qué compró el cliente”, o “como me fue en
las ventas respecto a las proyecciones que planeé”?. En el
DataMining me meto dentro de esos datos, y mediante herramientas
estadísticas y de análisis, busco patrones de comportamiento.
El área de marketing, la banca y los servicios públicos usan
mucho el DM.
El CRM registra transacciones con el cliente: que compró, qué
reclamó, qué pidió, cuando lo recibió. Esta es una visión
histórica, que registra lo que pasó.
En el DM se focaliza hacia el futuro. En función de la info
almacenada y aplicando métodos estadísticos puedo establecer
patrones de comportamiento para establecer - con un margen de
errores bajo – que determinada situación se va a producir en un
contexto dado.
El DataMining es una metodología de trabajo, ya hay un posgrado
en el tema, y hay empresas que hace años lo utilizan en diversos
sectores. Por ejemplo, la tarjeta Serviclub de YPF es una
tarjeta de fidelización, pero que también permite a la empresa
tener información sobre el consumo del cliente.
Otro ejemplo: el reciente encuentro de un holandés que
transportaba una gran cantidad de droga, es el resultado del
análisis inteligente de información: los investigadores
interpretan información estadística por la cual determinan que
cuando un avión viene de Holanda, y trae a un pasajero de sexo
masculino de determinada franja de edad, que viaja solo, hay
altas probabilidades de que transporte drogas, y por ende
conviene revisarlo.
Se podría argumentar que Sherlock Holmes o el sentido común
funcionan de la misma manera. Es cierto, lo que hace el DM es
minimizar, achicar, el margen de error, en base a una
metodología estadística que no se basa en la intuición.
En Estados Unidos se estableció a través de esta herramienta que
en los conveniente stores, en determinada franja horaria
vespertina, se adquirían en forma conjunta pañales y cerveza. La
investigación determinó que las madres enviaban a los padres a
comprar pañales, y éstos “de paso” llevaban la cerveza para su
consumo. A partir de esta información, se replanteó la
distribución de estos productos.
Si bien ese ejemplo corresponde al marketing, la metodología
también puede ser utilizada por las áreas contables, por
ejemplo, en medir el nivel de riesgo de su cartera de clientes.
La tercera pata de la B.I. : La simulación dinámica.
En función de datos históricos y conocimiento de patrones de
conducta, finalmente se llega a definir un escenario de
supuestos para hacer una proyección en el tiempo.
A través de la BI se puede proyectar de acá a 10 años, incluso
en escenarios complejos.
Esta suma de psicología y estadística no garantiza, sino que
reduce considerablemente la posibilidad de errores en la toma de
decisiones, señalando que ante determinados factores la
situación se disparará de tal o cual manera.
Esto permitirá establecer un modelo de acá a 10 años, con un
escenario donde el precio del dólar sube, en otro donde este
precio baja, etc.
El modelo de simulación dinámica se aplicó en una clínica médica
que debía determinar si ampliar su capacidad de internación, a
través de la construcción de un ala nueva. Su nivel de ocupación
ya era alto, y estaba perdiendo potenciales pacientes por falta
de camas.
El escenario tuvo en cuenta la población, el crecimiento
vegetativo de la misma, las temporadas del año y las
enfermedades características en cada una, la demanda a atender,
y la infraestructura y personal necesario para atenderla.
Se determinó que la inversión iba a ser demasiado alta para la
rentabilidad que iba a generar, y en base a esta información los
dueños decidieron no expandir la clínica.
En este modelo también se pueden incluir variables extremas. Por
ejemplo, si en la realidad la zona se inunda una vez cada 7
años, se puede estimar qué pasaría si la zona se inunda y como
impactaría esto en todas las otras variables.
Estos escenarios son dinámicos, y su función es achicar la
incertidumbre en la toma de decisiones.
Por Luis Nikiel, Director de Improve Solutions, Crystalis
Consulting
Crystalis Consulting, del Grupo Seidor, ha sido distinguida
por SAP como Partner Awards of Excellence 2001 y 2002. Posee
cobertura regional, operando con oficinas propias en Argentina,
Chile y México.
Seidor (www.seidor.es) se constituye en 1982 como una
organización creada para ofrecer soluciones integrales a
problemas empresariales, aprovechando las sinergias de grupo,
especializada en soluciones y servicios en tecnologías de la
información y comunicaciones. Cuenta con 350 profesionales y
posee oficinas en Barcelona, Madrid, Bilbao, A Coruña, Valencia
y Vic. Su facturación en el último ejercicio alcanzó los 52
Millones de Euros.
|
