Creación de un efectivo sistema de apoyo de manejo de datos para la gestión empresarial / Por: Por Matías Gil, Director General de Teradata Perú y Chile

El concepto de un sistema interactivo, basado en ordenadores, que ayudan a las empresas a tomar mejores decisiones de negocio ha estado presente desde que los computadores se masificaron. Esta visión es ilusoriamente sencilla. Las empresas aprovechan en profundidad las herramientas de información y modelos predictivos, para analizar los datos y aprender sobre lo que ha ocurrido en su negocio, el motivo por el que ocurrió y – finalmente- lo que va a suceder. Esto produce un profundo conocimiento, basado en hechos que complementan la experiencia y la intuición, conduciendo a una ventaja competitiva ejemplar y eficaz en la toma de decisiones.

Si bien esto parece simple, en realidad hay una serie de trampas que pueden complicar la aplicación de un sistema de soporte de decisiones (DSS). Sin embargo, un número de empresas innovadoras han sorteado las dificultades al entender que la creación de un exitoso DSS de datos requiere tres elementos esenciales: en primer lugar, un proceso el cual evalúa cuidadosamente las necesidades de apoyo de decisiones del negocios a corto y largo plazo -y lo necesario para satisfacer esas necesidades-; en segundo lugar, una solución flexible, un plan paso a paso de crecimiento; y, en tercer lugar, un data warehouse centralizado que puede ofrecer una visión única, integral y actualizada de la empresa y de la que todos los niveles de la organización puedan tener acceso cuando sea necesario.

Definir las necesidades del negocio.

El proceso comienza con un análisis propuesto a definir con precisión los desafíos de negocio que conducirá el DSS, tanto a corto como a largo plazo.

Después de identificar todas las áreas que podrían beneficiarse del apoyo en la gestión, se debe establecer prioridades. Por ejemplo, se puede reconocer que el departamento de marketing ha logrado excelentes resultados con sus programas de marketing directo. ¿Cómo se puede mantener o mejorar el éxito del programa de marketing directo y a su vez reducir costos? Los datos arrojados por DSS permiten dirigirse de forma rentable a los clientes que tienen más probabilidades de responder. Ayudando a entender más claramente a los clientes a los cuales se ha enfocado, a los clientes que necesitan ser focalizados (quizás divididos geográficamente o demográficamente), y qué se puede cambiar para mejorar el envío de correo focalizado.

Esta situación presenta un caso legítimo para la aplicación de un DSS, pero para decidir la forma de proceder debe tenerse en cuenta cosas como: ¿Qué unidad de negocios pueden ofrecer el máximo retorno de la inversión (ROI)? ¿Qué proyecto puede entregar el más importante retorno de la inversión? ¿Cuán rápido puede ser el retorno de la inversión?

La situación de fondo aquí es que las empresas que implementan con éxito un DSS claramente definen y priorizan el problema que están tratando de resolver, entienden lo que esperan lograr con el DSS, y establecen una forma de medir su éxito. Una vez que se ha priorizado y ejecutado – la medida de los resultados pueden justificar la prolongación del uso de data-driven DSS en otras áreas y aplicaciones del negocio.

Definir las necesidades de los usuarios

Una vez que se ha definido la meta del negocio, es el momento de definir el grupo de usuarios objetivo y sus necesidades particulares. Dos de las preguntas más importantes para analizar: ¿Cuán actualizada se requiere que sea la información?, y ¿En qué forma los usuarios la necesitan?

Es útil crear una matriz o una tabla que detalle los usuarios del sistema, los puestos de trabajo por departamento y documentar cuántas personas componen cada categoría. A partir de ahí, se pueden definir los requisitos de información general de cada grupo. Se puede incluir cosas como formatos de salida, el tipo de datos, necesidad de la audiencia de análisis de datos, la frecuencia requerida de los informes, y cómo los datos serán utilizados.

Definir las necesidades de datos

El tercer paso es definir qué datos se necesitarán para el sistema, lo que implica la creación de un modelo que describe todos los datos que se requieren para abordar el asunto de negocio que se necesita resolver.

Se puede determinar los factores contribuyentes, tales como: ¿De cuántas fuentes se trata?, ¿Qué tipo de datos están contenidos en cada fuente y en qué formato?, ¿Qué cantidad de datos que contiene cada base? (además, del número de tablas y columnas disponibles para fines de consulta), ¿Son estas bases de datos instantáneas en este momento o están en línea en tiempo real?

Se necesita toda esta información para determinar la estrategia para cargar datos en DSS. ¿Qué datos se cargarán por primera vez? ¿Todos los datos se necesitan actualizar simultáneamente? Se requiere mirar de forma integral en todas las fuentes de información para crear la estrategia de carga de datos.

También es importante recordar que al identificar los datos comunes a partir de múltiples fuentes, se debe planear integrarlos en un solo data warehouse para así tener una visión consistente de los mismos. Esto puede requerir una limpieza o una transformación de los datos.

Análisis de deficiencias para crear un plan de acción

Una vez identificadas las necesidades del negocio, las necesidades del usuario y las necesidades de datos, ahora se puede comparar los resultados con el escenario existente y determinar qué vacíos se tendrán que llenar.

El análisis de las deficiencias debería conducir paso a paso a un plan de acción que aborde las necesidades a corto y largo plazo. Es necesario identificar las prioridades y desarrollar estrategias que incluyan una descripción de las inversiones iniciales, así como de proyectos piloto sobre los cuales una completa DSS puede construirse.

En última instancia, la creación de un sistema flexible y escalable, que mantiene la inteligencia de negocio fluyendo y que puede responder a las necesidades del negocio en constante evolución, es la marca de un data-driven (DSS); un cuidadoso proceso, paso a paso para adaptarse a las necesidades de negocios con un data warehouse empresarial en el corazón de la solución.