El Cuadrante Mágico de Gartner sobre las plataformas de Análisis y Business Intelligence de 2021: Una Decepción

¿Por qué nos ha decepcionado?
– Centrado en soluciones Cloud.
– Ausencia de referencias sobre volúmenes de datos y usuarios.
– Escasa información sobre los productos de cada marca.
– Impacto COVID-19 ausente.
– Abuso del término “Aumentado”. El último: “Augmented consumers”


Sí, así es, me ha decepcionado este informe, tanto o más como los anteriores que sobre esta tecnología ha publicado la consultora Gartner en los últimos años. No porque mi “equipo” favorito no figura en el podio, sino por la ausencia referencias y debilidad de fundamentos que otrora los “Magic Quadrant for Analytics and Business Intelligence Platforms” aportaban.

Sí, sabemos que estamos accediendo al resumen del informen y que existe un documento completo de pago, pero dudamos que sea muy diferente en su esencia.

Las plataformas ABI actuales tratan de cubrir un ciclo completo para el análisis, que abarca desde la preparación de los datos que se desean analizar, hasta la generación de información a través de visualizaciones con funcionalidades de autoservicio en todo el proceso.

¿Por qué nos ha decepcionado?

  • Centrado en soluciones Cloud. Las soluciones informáticas en la nube, de cualquier tipo, en muchos casos, pueden ser una alternativa rápida y económica para organizaciones de reciente creación. ¿Pero qué sucede con las organizaciones que cuentan con instalaciones On-Premise (físicas) y tienen desarrollado una amplia gama de soluciones en uso y/o cuentan con una gran cantidad de usuarios? Para este tipo de organizaciones, quizás, podría interesarles mantener su arquitectura actual o diseñar arquitecturas hibridas para desplegar soluciones complementarias para equipos de usuarios distintos que puedan coexistir sin sobresaltos, en tal sentido, aspectos tales como la conectividad On-Premise – Cloud sería un aspecto muy importante a tener en consideración.
  • Ausencia de referencias. En años anteriores los informes indicaban, para cada marca o producto, las características generales de los clientes, señalando el volumen de datos que procesaban y el número promedio de usuarios de la plataforma. Así mismo, informaban las regiones en dónde tenían presencia y soporte el fabricante. En ocasiones, para las marcas líderes, comentaban cómo estaban gestionando o superando una “Precaución” o “Debilidad” señalada en el informe del año anterior. Por ejemplo, para Microsoft lo problemas de conectividad señalados en el informe de febrero 2020 ya no existen en 2021.
  • Escasa información sobre los productos de cada marca. Al estar centrado el informe en la propuesta Cloud de cada marca, brinda escasos datos sobre las soluciones on-premise y las posibilidades de integración entra la arquitectura física y las soluciones en la nube. En el caso de SAP, no se señala las características de Análisis Embebido que tiene SAP S/4, las posibilidades de análisis y presentación de SAP Fiori, la potencia de cálculo de SAP BW/4, las librerías de análisis avanzado de SAP HANA o la versión 4.3 de SAP BusinessObjects BI con interfaz basada en SAP Fiori con características gráficas y de presentación mejoradas. Todas estas plataformas SAP cuentan con grandes posibilidades de Análisis y Business Intelligence que se pueden integrar con SAP Analytics Cloud.
  • Impacto COVID-19 ausente. 2020, un año singularmente marcado por la pandemia de COVID-19, en tal sentido, nos sorprende que no sea señalado en ninguna parte del informe y quizás, para ir en línea de cómo se podría amenguar este impacto, aspectos tales como la conectividad o facilidades para redimensionar recursos y usuarios que ofrece cada marca, sería un aspecto a valorar o puntuar.
  • Abuso del término “Aumentado”. Gartner quizás sea el principal “creador” de términos en las tecnologías de la información, además del manido “Análisis Aumentado” o “Analítica Aumentada” (augmented analytics) ahora introduce el término “Consumidores aumentados” (augmented consumers) el cual describe a ciertas personas sin conocimiento técnico que esperan encontrar información en forma de historias de manera automática, ajustada a su rol o función laboral con posibilidades de consulta en lenguaje natural (natural language query – NLQ). Otro término es “asistencia al usuario aumentada” (augmented user assistance) para hacer referencia a las funciones de ayuda para tratar los datos o crear visualizaciones. La incorporación de tantos términos sólo obedecen a las necesidades del marketing que saturan o confunden a los usuarios.

¿La Analítica Aumentada debe decidir por nosotros?

La Analítica Aumentada es la posibilidad de desarrollar soluciones con funcionalidades de análisis predictivo, aprendizaje automático e inteligencia artificial para crear contenidos para analizar y comprender los datos. Consideramos que en la gestión del día a día de los procesos de negocio, las decisiones las señalan y toman las personas, y no se debería esperar que la Analítica Aumentada nos señale las decisiones a tomar, tal como señala Gartner en su informe, situación que si se comprendería en un proceso productivo totalmente automatizado.  

Las diferencias entre las propuestas ABI se ha trasladado de las capacidades de visualización (ahora muy similares entre todas las propuestas) a las capacidades de Analítica Aumentada, es decir, funcionalidades de aprendizaje automático (machine learning – ML) e Inteligencia Artificial (Artificial Intelligence – AI) para la preparación, generación y explicación de la información, según Gartner, de una manera más eficaz que si se hace manualmente.

¿Es justo que Microsoft este posicionado como líder?

La popularidad de MS Power BI es innegable, así como las buenas posibilidades gráficas y facilidad de aprendizaje y uso, pero todo ello no deja que pase desapercibido cuestiones tales como las siguientes:

  • Problemas de conectividad con fuentes de datos SAP. La principal fuente de datos para analizar que tienen las empresas son datos transaccionales de SAP, con MS Power BI muchas veces se replican los datos SAP en otra base de datos. Problema señalado en el informe del año anterior, ignorado en el informe de este año, pero el problema es vigente.
  • Administración de la plataforma mejorable. Poca facilidad de administración de los contenidos, señalado en el informe actual.

Ambos aspectos consideramos que son pesados lastres que tiene este producto que no justifican una posición tan destacada en el Cuadrante Mágicos de plataformas de BI y Análisis.

Organizaciones con grandes instalaciones de Business Intelligence no pueden volcarse de lleno a una propuesta cloud. Informes de este tipo deben valorar o puntuar las posibilidades que ofrece cada fabricante para desplegar arquitecturas hibridas.

Conclusiones

Dado que las posibilidades gráficas son similares entre los principales fabricantes, y se da por descontado que la solución elegida debe ofrecer posibilidades de dashboard y reporting, la valoración de una solución debería centrarse en los siguientes aspectos:

  • Seguridad. Administración de usuarios y auditoria de acceso/autenticación.
  • Administración de contenidos. Las posibilidades de que los usuarios puedan crear sus conjuntos de datos (datasets) y visualizaciones parece una atractiva funcionalidad, pero igual de útil es que estos contenidos puedan ser administrados con seguridad y facilidad.
  • Conectividad. Acceso a datos y contenidos On-Premise – Cloud de manera bidireccional.

Por último, ¿es serio que Alibaba se incluya en este informe?  Seguro que el PCCH estaría muy contento que las grandes empresas mundiales suban sus datos en la nube de Alibaba.

Referencia: Gartner MQ ABI 2020 y 2021

¿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