¿Qué es la Analítica Aumentada? (augmented analytics) #GartnerABI 01

La Analítica Aumenta o Augmented Analytics es uno de los términos más utilizados en el reciente informe de Gartner sobre las plataformas de Business Intelligence (BI) y Analytics 2020, más conocido como “Magic Quadrant for Analytics and Business Intelligence Platforms”.


En este informe se señala que la Analítica Aumentada es uno de los principales elementos diferenciadores, con mayor potencial de crecimiento y despliegue en las propuestas de los principales fabricantes de software analítico. Pero que no necesariamente, todo este crecimiento, irá de la mano con la capacidad de consumo de los usuarios, tal es así, que Gartner predice que para 2022 estas capacidades analíticas serán omnipresentes, pero sólo el 10% de los analistas utilizará todo su potencial.

¿Pero en qué consiste la Analítica Aumenta?

Para definir correctamente este término nos basamos en dos fuentes, por un lado, de Gartner, el cual afirma lo siguiente:

La analítica aumentada es el uso de tecnologías habilitadoras como el aprendizaje automático (machine learning) y la inteligencia artificial (AI) para apoyar la preparación de los datos, generación de conocimiento y la explicación de la información para potenciar la forma en que las personas exploran y analizan datos en las plataformas de análisis y BI. 

Otra referencia es la que encontramos en el siguiente vídeo:

Conclusión

El Augmented Analytics incluirá en las plataformas de Análisis y BI una serie de funcionalidades para facilitar la interacción de los usuarios con la plataforma o herramienta de análisis y obtener datos de mayor calidad y fiabilidad. Se augura que en algún día nos podamos comunicar con las soluciones o “máquinas” de análisis tal como si fuera otro humano y obtener respuestas útiles e inmediatas.

Pero, ¿por qué es tan negativo Gartner al señalar que sólo el 10%  utilizará todo el potencial de la Analítica Aumentada en 2022? Consideramos que este “pesimismo” obedece a que deberá darse una curva de aprendizaje y, sobre todo, porque todo lo que conlleva estas funcionalidades no son nuevas, la novedad está en incluirlas, de forma armónica, en un producto.

Estamos hablando de tecnologías tales como la inteligencia artificial, aprendizaje automático, procesamiento de lenguaje natural, minería de datos o estadística. A mi parecer, si estas técnicas “veteranas” no se han utilizado tanto, como debería ser, en soluciones de análisis, es porque cada una de las partes “hablan de su libro”, por un lado, los técnicos y consultores no aparcan en su discurso sus “técnicas” y “algoritmos”. Y, por otro lado, los usuarios desean hablar de los “procesos clave de su negocio”, y es aquí dónde nos debemos centrar, para identificar con claridad la visión, objetivos del análisis y, en consecuencia, identificar la arquitectura de datos que se requiere.

Data discovery, mejor representante del Business Analytics

Cuando hablamosbusiness-intelligence-vs-business-analytics sobre Business Analytics, es hablar de una nueva generación de herramientas más abiertas y flexibles con relación a las que ofrece el clásico Business Intelligence, es esta categoría encontramos productos que reciben calificativos tales como herramientas de exploración, herramientas de descubrimiento de datos, herramientas de visualización, buscadores empresariales, entre otros. Comparando el BI con el BA, podríamos destacar los siguientes aspectos:

business-intelligence-vs-business-analytics


Cuando hablamosbusiness-intelligence-vs-business-analytics sobre Business Analytics, es hablar de una nueva generación de herramientas más abiertas y flexibles con relación a las que ofrece el clásico Business Intelligence, es esta categoría encontramos productos que reciben calificativos tales como herramientas de exploración, herramientas de descubrimiento  de datos, herramientas de visualización, buscadores empresariales, entre otros.  Comparando el BI con el BA, podríamos destacar los siguientes aspectos:

comparativa-del-business-intelligence-y-business-analytics

Data Discovery

El Data discovery o herramienta de descubrimiento de datos, es la categoría más completa del Business Analytics al incluir posibilidades de tratar directamente las fuentes de datos, depurarlas, filtrarlas, diseñar visualizaciones y facilitar su análisis. Podríamos destacar los siguientes beneficios del Data Discovery y por consiguiente del Business Analytics:

  • Nueva información para todos los niveles de gestión, consecuencia de nuevas perspectivas que se adaptan con más inmediatez a nuevas circunstancias.
  • Disminución de los requerimientos de evolutivos o cambios al equipo responsable de T.I., dado que los analistas acceden a las fuentes de datos, identifican las que requieren, acceden a las mismas y construyen sus documentos de análisis sin la necesidad de contar con conocimientos técnicos profundos o requerir el soporte constante de un experto.

Sugerencias para los analistas

  • Negocio. Ante todo, conocer el proceso de negocio, su ciclo productivo, lo bueno, lo malo, lo mejorable y lo prescindible.
  • No focalizarse en una única hipótesis. Realizar tareas de análisis contantes sobre diversos conjuntos de datos, si no se encuentra resultados relevantes en una iteración, seguir intentando con otro conjunto de datos.
  • Cuestionar los resultados. A partir de los resultados de un análisis, formular preguntas y tratar de comprender y encontrar explicaciones, a partir de un resultado se podría iniciar una nueva tarea de análisis.

Visión del Business Analytics como evolución del Business Intelligence

Al margen de intereses comerciales ajenos, entendemos el Business Analytics como una evolución del Business Intelligence, usualmente implementado de manera rígida, sobre información y modelos de datos conocidos, dando lugar, con mucha probabilidad, que día a día, no tengas ningún sobresalto al observar el reporting , tableros y cuadros de mando que con mucho esfuerzo se ha adoptado en tu organización.


Al margen de intereses comerciales ajenos, entendemos el Business Analytics como una evolución del Business Intelligence, usualmente implementado de manera rígida, sobre información y modelos de datos conocidos, dando lugar, con mucha probabilidad, que día a día, no tengas ningún sobresalto al observar el reporting , tableros y cuadros de mando que con mucho esfuerzo se ha adoptado en tu organización.

Del tubo único, a la red de tuberías, la información valiosa puede venir de cualquier parte

Pero hace tiempo que las cosas han cambiado, los datos ya no vienen por una única tubería. Hoy por hoy, la variedad y velocidad como llegan los datos, se confrontan con la necesidad de analizarlos con el fin de obtener conclusiones rápidas, veraces y útiles para gestionar los procesos del negocio. Así, en esta coyuntura, surge el concepto del Business Analytics el cual debería tender a lo siguiente:

  • Facilidad para integrar información de sistemas heterogéneos.
  • Mayor facilidad para acceder a las fuentes de datos.
  • Uso de otras técnicas de análisis, además de los clásicos reporting y cuadros de mando.
  • Independencia del área de técnica.
  • Preparación de los datos en menor tiempo.
  • Orientado al self service o autoservicio (usuarios capaces de crear sus propios documentos de análisis).
  • Mejor uso de las mayores capacidades de procesamiento de los equipos actuales.

La implementación del Business Analytics tiene dos pilares, por un lado, la adopción de herramientas o plataformas tecnológicas que faciliten un análisis más ágil y por otro lado, quizás aún más relevante que el componente técnico, es la adopción de esta filosofía en la organización, la cual facilite el acceso a otras fuentes de información y valore las conclusiones que de este nuevo análisis se obtenga.

Claves para definir buenas métricas

La asignación de recursos y esfuerzos a nuestros procesos de negocio, en cantidad, forma y momento oportuno, pasa por medir adecuadamente la salud de nuestra organización. Pero, ¿qué debemos medir? No hay una respuesta única o universal, porque la situación y aspiración de cada empresa es muy diversa.


La asignación de recursos y esfuerzos a nuestros procesos de negocio, en cantidad, forma y momento oportuno, pasa por medir adecuadamente la salud de nuestra organización. Pero, ¿qué debemos medir? No hay una respuesta única o universal, porque la situación y aspiración de cada empresa es muy diversa.

Hemos visto muchos tips o claves para seleccionar las métricas adecuadas, nosotros sugerimos tener presente los siguientes factores al seleccionar una buena métrica:

  • Comparable. Debe ser posible compararla con otro período de tiempo, grupo de usuarios o con la competencia. Es más útil saber que “hemos incrementado la conversión con relación a la semana anterior” que “la conversión es igual al 2%”. Así mismo, debería ser comparable consigo misma (Inherentemente Comparativa), por ejemplo, un indicador diario comparado a nivel mes, podría señalar una variación repentina o un cambio en la tendencia.
  • Comprensible. Si los usuarios de los indicadores no lo recuerdan o no pueden discutir sobre el mismo, difícilmente será útil para lograr algún cambio.
  • Encaminan a la acción. Si estamos conduciendo un vehículo, la distancia recorrida es un dato informativo. Pero la velocidad (distancia por hora), es un dato que encamina a la acción, porque nos facilitará decidir si debemos ir más rápidos o más lentos para llegar al destino en el momento deseado.

Referencia: ISBN 978-1-449-33567-0

Preguntas claves para valorar la utilidad de una visualización

Las representaciones gráficas que en ocasiones utilizamos, tales como los gráficos de columnas o el de líneas, se remontan al siglo dieciocho y no es hasta mediados del siglo pasado que estos se perfeccionan a través de la formalización de técnicas que se aplican a las actuales herramientas informáticas que se utilizan para crearlos.


Las representaciones gráficas que en ocasiones utilizamos, tales como los gráficos de columnas o el de líneas, se remontan al siglo dieciocho y no es hasta mediados del siglo pasado que estos se perfeccionan a través de la formalización de técnicas que se aplican a las actuales herramientas informáticas que se utilizan para crearlos.

Playfair incluido este gráfico en su Anuncio y Atlas Político (1786) para argumentar en contra de la política de financiación de las guerras coloniales a través de la deuda nacional de Inglaterra

Es innegable la importancia de transformar los datos en representaciones gráficas o visualizaciones, la alternativa más inmediata y fácil para comunicar y comprender los grandes volúmenes de información que nos pueden llegar a rodear.  A partir de esta necesidad, han surgido una amplia gama de soluciones con posibilidades gráficas de dudosa utilidad para el análisis, pero de innegable impacto visual.

How is life - OECDURL

Una representación gráfica o visualización, que para comprenderla requiere una compleja explicación, va en contra los principios básicos de esta disciplina: claridad e inmediatez.  Para saber si un gráfico será útil, plantéese las siguientes cuestiones:

  • ¿Claramente indica la naturaleza de la relación de los valores representados?
  • ¿Representa las cantidades con exactitud?
  • ¿Facilita comparar las cantidades?
  • ¿Es más fácil ver el orden o clasificación de los valores?
  • ¿Resulta evidente cómo se debe utilizar la información?

Referencia: Interaction Design Foundation