La Habana, Cuba. – La analítica de datos es un campo tecnológico que concentra diversas herramientas y metodologías con el fin de obtener información válida para la toma de decisiones a partir de los datos en bruto. Es un campo amplio que abarca a los niveles y términos: a) inteligencia de negocios, b) análisis de negocios y c) ciencia de los datos.

Al implementar herramientas y procesos de análisis de datos los directivos pueden tomar decisiones estratégicas hasta cinco veces más rápido que sus competidores. Por lo tanto, el beneficio de la analítica puede sintetizarse como la capacidad de aportar respuestas oportunas a preguntas que, hasta ahora, habían sido difíciles de responder.

Los sistemas de analítica avanzada de datos y aprendizaje automático utilizan esa gran cantidad de datos (big data) con diversas finalidades como son: a) gestión de datos de clientes. b) personalización de la experiencia de usuario, c) ciberseguridad y detección de anomalías, d) detección de fraudes, e) gestión del riesgo, f) análisis de operaciones y g) realización de estudios de mercado.

Una buena definición de la analítica de datos, es la que da el Business Intelligence, “una puerta a través de la cual las empresas son capaces de comprender la información más relevante para tomar decisiones de negocio acertadas”. Es un conjunto de herramientas que transforman los datos en información de valor para la toma de decisiones empresariales, se puede resumir al concepto de la analítica de datos en: a) develar patrones, b) generar indicadores, c) encontrar tendencias, d) hacer pronósticos y e) emitir conclusiones con una buena base informativa.

Este es un sector que mueve unos 271 830 millones de dólares a nivel mundial, con perspectivas de crecimiento anual no menores al 13% para los próximos cinco años según Fortune Business Insight. En el año 2022 se estimó que más del 50% de los negocios globales surgirían a partir de los datos. Es por ello que, para el 88% de los directivos, la inversión en big data e inteligencia artificial es ya una de las mayores prioridades en sus organizaciones².

Una organización, que utiliza la analítica de datos: a) reduce la incertidumbre, b) minimiza o excluye el componente subjetivo y c) y mejora la posibilidad de éxito a la hora de tomar decisiones.

Entre más complejo sea el análisis realizado, mayor valor aportan los resultados obtenidos a la toma de decisiones. Varios tipos de analíticas son aplicados progresiva o recursivamente en las organizaciones, y cada una depende de la anterior. Entre ella están:

1. Analítica descriptiva: Se trata de un primer nivel que busca recopilar, depurar y presentar datos para obtener información inmediata o en tiempo real. Generalmente, es el contacto inicial con los datos, buscan dar respuesta a preguntas sencillas. Buena parte de las herramientas a ese nivel se asocian con aplicaciones de inteligencia empresarial, que a partir de software permiten generar cuadros de indicadores en tiempo real. La analítica descriptiva busca analizar el pasado y responder a la pregunta ¿Qué pasó?
2. Analítica diagnóstica: Es el siguiente nivel de profundidad, más allá de qué pasó, es éste y busca responder al ¿cómo? Incluye: a) recopilación de datos relevantes, b) generación de indicadores y c) creación de nueva información a partir de los datos iniciales. Se busca analizar el cuadro de indicadores que brinda la inteligencia empresarial y responder a las preguntas: ¿Qué está pasando en este momento? y ¿Por qué pasó? Un ejemplo de esa analítica es ¿por qué se ve un aumento de tráfico a un portal de Internet en un periodo determinado?
3. Analítica predictiva: Al profundizar en la madurez de los datos hacia un tercer nivel, se encuentran herramientas más avanzadas. Algoritmos sofisticados, modelos estadísticos, minería de datos apoyada en inteligencia artificial, ciencia de datos (data science) y tratamiento de grandes volúmenes de datos (big data). De acuerdo con la compañía Oracle las empresas utilizan la analítica predictiva para “identificar tendencias, correlaciones y causalidad”. La analítica predictiva busca predecir el futuro y responder a la pregunta ¿Qué puede pasar? Un ejemplo de ese tipo de analítica es predecir el momento en el cuál un componente de una maquinaria se puede averiar.
4. Analítica prescriptiva: Es el nivel más completo, una combinación de todos los anteriores para mostrar la forma en que debería ejecutarse una estrategia de negocio. hace uso de nuevas herramientas como: a) simulación, b) realidad asistida, c) redes neuronales, d) análisis gráficos de redes sociales, e) análisis multivariantes, cuantitativos y cualitativos f) algoritmos de recomendación y g) inteligencia artificial y aprendizaje automático. Se busca identificar las mejores decisiones y responder a la pregunta: ¿Qué se debería hacer?

Las aplicaciones en analítica se encuentran en cualquier área o sector de la actividad humana, no importa el tamaño o el sector económico o del conocimiento. Algunas implementaciones de la analítica de datos en la actualidad son:

Mercadotecnia: Algunas aplicaciones se vinculan con la identificación de patrones de compra y segmentación de clientes. Course Report hace referencia a cómo las empresas pueden aprovechar las redes sociales y el contenido móvil a fin de comprender los patrones de uso y contenido de los medios en tiempo real.

Sector financiero y banca: En esa industria es común el uso de la ciencia de datos con fines como: a) comercio algorítmico, b) gestión de tesorería, c) servicios cruzados, d) detección de fraudes, e) gestión de clientes y f) análisis de riesgos.

Sector público o gubernamental: Los entes gubernamentales y agencias reguladoras pueden implementar la analítica en procesos tan amplios como: a) presupuesto, b) mercados financieros, c) fiscalidad y evasión, d) criminalística, e) protección al usuario, f) protección del medio ambiente, g) exploración y explotación energética y h) seguridad y detección de fraudes.

Medicina y sector salud: Entre algunas de las aplicaciones más valiosas se encuentran la identificación de patrones para la detección de enfermedades y de tratamientos más eficientes para diversas enfermedades. Los usos de la analítica de datos en medicina y en todo el ámbito sanitario se pueden encontrar en casi todas las áreas: a) genómica, b) epidemiología, c) ensayos clínicos, d) farmacéutica, e) práctica clínica, f) comunidad de colaboración colaborativa y g) telemedicina. En todas esas áreas, los sistemas y modelos médicos integran grandes cantidades de datos generados por tecnología avanzada para recopilar, almacenar, filtrar, analizar y visualizar volúmenes de forma estructurada, segura y verdaderamente anónima.

Termino con la respuesta a la pregunta ¿Por qué es importante el análisis de datos?

El análisis de datos ayuda a las instituciones a obtener mayor visibilidad y un conocimiento más profundo de sus procesos y servicios. Les proporciona información detallada sobre la experiencia del cliente y sus problemas. Al cambiar el paradigma más allá de los datos para conectar los conocimientos con la acción, las organizaciones pueden crear experiencias personalizadas para los usuarios y productos digitales relacionados, optimizar las operaciones y aumentar la productividad de los empleados.

Esta es un área donde el sector empresarial, sobre todo, debe hacer un gran esfuerzo con el objetivo de ganar en eficiencia. Solo falta la voluntad de hacerlo.