INICIO | STRATEGIAS
STRATEGIAS

La ciencia de los datos para ambientes de alta incertidumbre

Por: DA. Fernando Rodrigo Palavicini Piña
Consultor y asesor en Inteligencia de Negocios y Gestión de Proyectos.
fpalavicini@hotmail.com

Share This:

Después de atravesar un año 2020 lleno de incertidumbre, se confirma que las organizaciones deberían tener los fundamentos mínimos para interactuar con los datos, a través de la nombrada “democratización de la analítica empresarial”; en otras palabras, buscar la interacción de la tecnología informática y el business intelligence para proyectos de Analítica Empresarial. La pandemia que vivimos ha evidenciado, en definitiva, más a detalle el porqué nos encontramos en la Cuarta Revolución Industrial (Internet de las cosas, inteligencia artificial, blockchain) respaldada por la era de la digitalización de procesos mediante la nube y, al mismo tiempo, de la economía del conocimiento gracias al tratamiento razonado e inteligente de los datos e información. Precisamente es aquí donde surgen conceptos, metodologías y herramientas que, con el apoyo de la tecnología, los ejecutivos o profesionales de negocios pueden implementar para la toma de mejores decisiones comerciales y estratégicas basadas en conocimiento cualitativo y cuantitativo proveniente de contextos internos y externos de la compañía.

Merece como propósito de año nuevo utilizar la analítica empresarial de datos para mitigar los riesgos ante ambientes turbulentos, por el bien de nuestro negocio y profesión. De esta manera, se verán reflejado en nuestras métricas o key performance indicator, como son el retorno sobre la inversión, el índice de conversión de clientes, la disminución de quejas y una mayor calidad de nuestros productos y servicios.

Análisis de negocios, inteligencia de negocios, ingeniería de datos, big data, científico de datos… son la gama de términos que se relacionan por el hecho de convertir los datos en información, después transformarlos en conocimiento y obtener la sabiduría para la toma inteligente de decisiones. Aclaremos algunas de las funciones, un ingeniero de datos se encarga de adquirirlos, procesarlos, transformarlos y almacenarlos, en pocas palabras, del trabajo sucio y rudo, esta serie de actividades se conoce técnicamente como extract, transform & load, es decir, se utilizan técnicas para extraer datos de una gran diversidad de fuentes y limpiar los incorrectos o mal formateados. La inteligencia empresarial o business intelligence consiste en la preparación de informes visuales atractivos, interactivos, prácticos y concretos para su entendimiento inmediato, tales como dashboards, balanced scorecard o cuadros de mando integral. Le sigue la analítica empresarial, la cual incluye actividades más avanzadas y complejas como el modelado matemático y estadístico, además de tecnologías como la inteligencia artificial, mediante el machine learning (aprendizaje automatizado), es decir, se implementan algoritmos. Pero si queremos cubrir todas las actividades anteriores, el proceso integro se denomina data science o ciencia de datos.

Sabemos que una organización dispone de múltiples fuentes y más aún gracias a las tecnologías de la información y de la comunicación, desde nuestros dispositivos móviles, redes sociales, Internet, Internet de las cosas hasta una diversidad de formatos y presentaciones como texto, imagen, audio, video, bases de datos, datos compartidos del sector público (open data) o la nube (cloud computing), por lo que su tratamiento se vuelve más complejo con la caja de herramientas tradicional. Es justamente donde aparecen tecnologías informáticas para auxiliarnos en todo el proceso de tratamiento de información, conocimiento y sabiduría, entre las que destacan: Python, R, Power Query, Power Pivot, Power BI, Power View, algunas de las cuales son de acceso gratuito y otras de paga.

Finalmente, todo científico de datos conoce los cuatro niveles de analítica empresarial, que se pueden combinar para desarrollar proyectos de acuerdo al tipo de problemática, necesidad u oportunidad que se presenten en cualquier organización o negocio: análisis descriptivo, análisis predictivo,  análisis prescriptivo y análisis experimental.