Los proyectos de análisis que utilizan big data o analítica avanzada son cada vez más populares, pero también presentan un mayor riesgo de fracaso, según Gartner, Inc. Los líderes en analítica pueden mejorar la probabilidad de éxito siguiendo cinco mejores prácticas.
Aunque los proyectos de big data y analítica avanzada corren muchos de los mismos riesgos que los proyectos tradicionales, en la mayoría de los casos, estos riesgos se acentúan debido al volumen y variedad de datos, o a la sofisticación de las capacidades de analítica avanzada”, dijo Alexander Linden, director de investigación en Gartner. “La mayoría de los problemas no resultarán en un fracaso técnico o analítico evidente. Más bien, resultarán en una falta de entrega de valor empresarial”.
La falta de comprensión adecuada y la mitigación de los riesgos pueden tener una serie de consecuencias no deseadas y de gran impacto. Estas pueden incluir la pérdida de reputación, limitaciones en las operaciones comerciales, perder frente a la competencia, uso ineficiente o desperdicio de recursos, e incluso sanciones legales. Gartner también predice que, para el 2018, el 50% de las violaciones éticas empresariales ocurrirán a través del uso indebido de la analítica de big data.
Seguir las mejores prácticas clave ayudará a los líderes en analítica a mejorar la probabilidad de éxito, y estas incluyen:
Vincular la analítica con los resultados empresariales a través del mapeo de beneficios
La analítica debe permitir a los tomadores de decisiones empresariales tomar acción, y esa acción debe tener un efecto medible, ya sea que el efecto se logre directa o indirectamente. Vincular los resultados analíticos a resultados rastreables utilizando un proceso formal de gestión y mapeo de beneficios puede ayudar al equipo de analítica a navegar por las complejidades del entorno empresarial y mantener los esfuerzos analíticos relevantes y justificables.
Invertir en analítica avanzada con precaución
Muchas organizaciones creen que el big data automáticamente requiere analítica avanzada. Sin embargo, el poder de procesamiento de datos necesario para manejar las características de volumen, velocidad y variedad del big data no requiere inherentemente un procesamiento algorítmico más sofisticado. Es la complejidad de la pregunta analítica a abordar lo que impulsa la necesidad de herramientas analíticas avanzadas, y en muchos casos, los resultados deseados se pueden lograr sin recurrir a un análisis más sofisticado.
Equilibrar la visión analítica con la capacidad de la organización para aprovechar el análisis
La analítica solo puede ser beneficiosa en organizaciones dispuestas a aceptar el cambio, por lo que tiene sentido limitar la inversión en analítica a un nivel que se ajuste a la capacidad de la organización para utilizar las ideas resultantes. La analítica puede no ser el enfoque más adecuado en los siguientes casos:
- Cuando faltan datos pertinentes
- Cuando hay altos niveles de ambigüedad
- Cuando existen puntos de vista opuestos arraigados
- En escenarios altamente innovadores o novedosos
En estos casos, la planificación de escenarios, las estrategias basadas en opciones y el pensamiento crítico también deben incorporarse a los enfoques analíticos para respaldar mejor la capacidad de la organización para tomar acción.
Priorizar mejoras incrementales sobre la transformación empresarial
Utilizar big data y analítica avanzada para mejorar análisis existentes o para actualizar e incrementar de manera incremental un proceso empresarial existente es más fácil que utilizarlos para lograr una transformación empresarial, ya que hay menos dependencias que superar para garantizar el éxito. Se debe tener cuidado de validar el nivel de cambio general requerido. En algunos casos, aún puede ser necesario realizar una reforma profunda de la estrategia empresarial, por ejemplo, cuando un nuevo proveedor disruptivo ingresa a un mercado, cuando la innovación tecnológica cambia el modelo de negocio o cuando una organización se ha vuelto disfuncional.
Considerar enfoques alternativos para alcanzar el mismo objetivo
Pocos objetivos solo se pueden lograr de una manera. La modelización estadística, la minería de datos y los algoritmos de aprendizaje automático proporcionan medios para probar ideas y refinar propuestas de solución. El big data y la analítica avanzada ayudan a validar las hipótesis propuestas y abren un rango aún más amplio de enfoques potenciales para abordar las prioridades corporativas. No todos los problemas requieren una solución analítica completamente diseñada. La inversión puede dirigirse mejor a factores humanos, reeducación o replanteamiento del problema.
Para obtener un análisis más detallado, consulte el informe “Siete mejores prácticas para sus proyectos de analítica de big data”. El Sr. Linden presentará sobre analítica avanzada en la Cumbre de Inteligencia Empresarial y Analítica de Gartner 2015, del 14 al 15 de octubre en Munich, Alemania. También puede seguir el evento en Twitter en http://twitter.com/Gartner_inc utilizando el hashtag #GartnerBI.
