Analítica de negocio

La analítica de negocio es el proceso de obtener datos y tratarlos con herramientas de Big Data para su posterior utilización en toma de decisiones. Podría definirse como la exploración metódica de los datos de una organización con el fin de decidir informadamente, como fuente de ventaja competitiva. 

Con tres métodos:

-        Analítica descriptiva: Parte de unos indicadores KPIs previamente diseñados para conocer el estado actual del negocio;

-        Analítica predictiva: Busca tendencias en los datos para evaluar la probabilidad de ciertas ocurrencias en el negocio del futuro;

-        Analítica prescriptiva: No solo busca tendencias sino que da recomendaciones de acciones a tomar en el futuro, es decir, decisiones no diseñadas por las personas sino encontradas por la máquina.

El datawarehouse o data mart es el repositorio central donde se concentran los datos y se analizan, es decir, donde se realiza la minería de datos. Muchas veces la labor más compleja es la de limpiar los datos garantizando su fiabilidad y organizarlos estructuradamente con semánticas correctas y alineadas con el objetivo final.

Dos herramientas populares son Tableau y Qlik, muy prácticas porque integran bases de datos, herramientas de visualización sencillas de usar y cuadros de mando ejecutivos. Integran las dos grandes funcionalidades de todo sistema de analítica de negocio:

-        Analítica operacional. Son las operaciones asociadas a encontrar los datos en la organización, e incluye tareas, tiempos y personas, y las fuentes (call center, website, email, bases de datos de terceros…);

-        Analítica de minería. Incluye perfilados, segmentaciones, crossventa, “churn rate” y otras investigaciones estáticas mediante minería, OLAP u otros motores.

En resumen, hay un centro que es el data warehouse, que viene por un lado alimentado por canales de datos y un proceso de minería por el otro. El data warehouse es el dato agrupado y organizado en una forma consistente y útil. Es la memoria de la organización, lo que pasa. Es la descripción de lo que pasa en su momento temporal. Proporciona un acceso amigable a la información. El dato se recoge, se limpia, se mezcla y se resume.

La minería de datos es la inteligencia, frente a la memoria del data warehouse. Combina, extrae patrones, encuentra reglas, crea ideas, hace preguntas, predice el futuro y separa la señal del ruido. Por ejemplo, detecta productos o servicios necesitados por el cliente, o permite diseñar un script inteligente de telemarketing.

Las técnicas descriptivas y predictivas más habituales son:

-        Clasificación. Un ejemplo es la clasificación de aplicaciones de crédito en riesgo alto, bajo o medio. O selección de contenido a ser visualizado en una página web. O la detección de fraude en un accidente con seguro. Suelen usarse árboles de decisión o redes neuronales;

-        Estimación. Es como una clasificación continua, no discreta. Por ejemplo, estimar el número de miembros de una familia o el lifetime value de un cliente. Se utilizan modelos de regresión o redes neuronales.

-        Grupos de afinidad: Se utiliza por ejemplo en el análisis de la cesta de la compra. Los supermercados visualizan el producto de forma que lo que habitualmente se compra junto pueda comprarse de una sola vez. Permite diseño de productos integrados innovadores y la detección de oportunidades de venta cruzada. Se utiliza el método estadístico de reglas de asociación.

-        Clustering: Segmenta una población hetereogénea en subgrupos de más homogéneos. La diferencia entre una clase y un cluster es que el cluster no tiene clasificación predefinida. La agrupación es por autosimilaridad. En sanidad, una agrupación de síntomas puede asociarse a una enfermedad.

-        Perfilado: Permite describir y explicar. Permite personalizar y ofrecer servicios acordes a las preferencias y comportamientos de cada cliente. Son reglas que describen el comportamiento de los clientes. Las herramientas más populares son árboles de decisión, clusters y reglas de asociación.

-        Análisis de series de datos

-        Bayes