Business Analytics, ¿En qué etapa de madurez analítica nos encontramos?

Para todos los profesionales que estamos inmersos en el mundo de datos, esta es una pregunta que suele pasar por nuestra mente, hay formas de determinar el grado actual de madurez analítica para poder saber áreas de mejora y saber cuál es el siguiente escalón hacia una organización «Data Driven«.

En el 2009, Jim Davis, Senior VP and CMO (Chief Marketing Officer) SAS Institute, declara 8 niveles de analítica en la organización, revisemos cada uno de ellos:

1. Reportes Estándar: Responden las preguntas como… ¿Qué pasó? ejemplo; los reportes de estados financieros
2. Reportes Ad hoc: Responden las preguntas como… ¿Cuántos?, ¿Quiénes?, ¿Dónde? ejemplo; Reportes extractos de algún sistema o ERP (Enterprise Resources Planning)
3. Reportes «Drill Down»: también conocidos como OLAP (On Line Analytical Processing) o «cubos de datos», los cuales permiten hacer análisis desde distintas dimensiones, permitiendo bajar o hacer «Drill Down» en la información de lo general a lo particular, ejemplo; ventas desde nivel región, país, zona, ciudad hasta nivel tienda
4. Reportes con alertas: Normalmente son reportes ya con alarmas o semáforos en color, indicando de forma visual dónde existe mayor problema para poder tomar una acción, inclusive, ya existen funcionalidades en los software los cuales permite enviar notificaciones o alertas al usuario en caso de haber algún indicador clave (KPI) a revisar de inmediato por ejemplo; Power BI Data alerts
5. Reportes estadísticos: Reportes con análisis estadístico básico (media, promedio, moda, etc.) buscando el por qué el comportamiento de los datos en la población analizada o muestra, ejemplo; ¿Cuál es el promedio de clientes con abandono de carrito en los últimos 15 días?, ¿Cuál el es el tiempo promedio de estancia en la página web del usuario?
6. Reportes con escenarios: Simulan escenarios con tendencias basadas en el histórico, ejemplo; cuál sería nuestro agotamiento en nuestras tiendas si la demanda del producto «x» continúa igual que la tendencia de las últimas 4 semanas
7. Reportes con predicciones: incluyen ya algún/algunos modelos analíticos de pronóstico basados en la historia del dato, en este nivel, se utilizan modelos de Machine Learning supervisado, ejemplo; revisar si me será mas efectiva una campaña de mailing o de envío de publicidad por alguna red social, ver también ( Usos del machine learning en marketing Analytics)
8. Optimización: En pocas palabras es el «ideal» de como debe ser la toma de decisiones en una organización «Data Driven», basadas en fundamentos en datos, permitiendo reducir riesgos y optimizar procesos

Una vez entendiendo estas etapas de madurez, la siguiente pregunta, es, ¿Qué barreras me puedo enfrentar al tratar de escalar entre estas etapas?, de acuerdo a un estudio, mostró los siguientes resultados:

Los analistas de datos pueden ayudar en este camino, son pieza clave en estos procesos, aprendiendo a transmitir de forma correcta los hallazgos o «Insights» en los datos, existen diversas técnicas que ayudan a esta misión ejemplo Data Storytelling, habilidad muy demandado en los profesionales de los datos, como transmitir las necesidades de negocio a los tomadores de decisión, de una manera efectiva, oportuna y práctica, visual y sencilla de entender.

by Daniel Nieto (Co-Founder & Head of Marketing Analytics @ Klustomer)