Jóvenes empresas de analítica avanzan sobre las tradicionales
Según comentan en el blog de Comstor, el BI tiene enfoque en eficiencia operacional por medio del acceso a datos en tiempo real para aumentar la eficacia en las tareas. Incluye el análisis de los datos históricos de varias fuentes para toma de decisión, identificación y resolución de problemas.
En contrapartida, Business Analytics permite la exploración de datos históricos de muchos sistemas de origen por medio de análisis estadísticos, análisis cuantitativos, minería de datos, modelado predictivo, otras tecnologías y técnicas para identificar tendencias y comprender la información, a fines de conducir cambios y apoyar prácticas de negocios exitosas. El mercado de softwares Analytics está creciendo y deberá alcanzar los US$59 billones hasta el 2018, apuntan previsiones de la Gartner y de la IDC, y si la tecnología integrada del Big Data es considerada, es posible que el mercado alcance US$ 1 trillón.
En México, de acuerdo con datos de la consultoría IDC, a partir del 2016 se prevé que ese mercado se mantenga en crecimiento en la orden de los 65%, expandiéndose al ritmo tres veces mayor que los otros países de la América Latina. Comparando el 2014 con el 2013, hubo un crecimiento del 62% en el mercado mexicano, alcanzando US$190 millones.
Es la oportunidad que las empresas mexicanas están teniendo para ganar competitividad, mejorando procesos y tomas de decisiones con un mejor análisis de los datos capturados.
Diferencias entre las soluciones
Las soluciones de softwares Analytics llevan ventaja en términos de costo (licencias de uso, soporte y mantenimiento, especialistas técnicos), tiempo de implantación, dependencia y las áreas técnicas de TI. Son más rápidas, menos costosas, más flexibles y menos dependientes. Empresas de software como SAP, Oracle, SAS o Microsoft dependen totalmente de la receta de las ventas de las licencias de uso, soporte y mantenimiento, lo que no ocurre con las nuevas empresas de software Analytics.
Otro licenciamiento es la posibilidad de ser embarcado (embedded) en otros softwares y productos, agregando capacidad analítica. Además de costo reducido y mayor independencia del área técnica en relación a los concurrentes BI, surgen nuevos desafíos y oportunidades: las plataformas tecnológicas en Nube (In-Cloud), Software como Servicio (SaaS – Software as a Service), Pague solamente cuando use (Pay as you Go).
Hay una demanda creciente por mayor autonomía para los usuarios de negocios, que esperan nuevas funcionalidades en tiempo real y capacidades más avanzadas sin depender de las áreas de TI. La información puede ser obtenida tanto de las bases centralizadas dentro de las empresas, como de datos dispersos fuera de la empresa, en las redes sociales por ejemplo. Eso significa un cambio significativo ya que el análisis de las tendencias del mercado, comportamiento de los consumidores y sus expectativas están siendo obtenidas de forma interactiva. Los datos pueden ser extraídos de herramientas de inteligencia de negocios (BI); archivos de log de servidores web; contenido de medios sociales; informes empresariales; textos de correos electrónicos de consumidores para empresas; indicadores macroeconómicos; investigaciones de satisfacción; estadísticas de llamadas de smartphones capturadas por los sensores conectados a la “Internet de las Cosas”, entre otras fuentes usadas por un software de Big Data Analytics.
Big Data Analytics genera resultado en grandes empresas de comercio de venta al por menor
Empresas como Walmart, Macy´s, Nike e institutos de investigación como el MIT son beneficiadas desde hace mucho tiempo con data mining (minería de datos), informes de analistas de datos y análisis estadísticos. 2,5 petabytes de datos por hora es el resultado de la colecta de información de las transacciones de clientes del Walmart. El monitoreo controla los niveles de estoque, anticipa tendencias estacionales de consumo y mejora los procesos de trabajo en la red.
Para gestionar un crecimiento al año de más del 50% en datos de ventas y un inventario de 70 millones de ítems, la Macy’s adoptó herramientas de análisis de grandes volúmenes de datos y también científicos especializados en trabajos estadísticos. El resultado fue ganancia de eficiencia en el tiempo de análisis de precios de 27 horas para una hora; reducción de 72% de los costos con hardware e implementación de un sistema de gestión más eficiente en la cadena logística y de la actividad de productos en el estoque.
La estrategia de Nike fue ofrecer una app para monitoreo de la frecuencia cardiaca, cantidad de pasos, velocidad y distancia recorrida por atletas de calle. La iniciativa ha incentivado el hábito entre los clientes de compartir información del desempeño en las redes sociales generando datos valiosos para el desarrollo de nuevos productos.
Por medio del cruce de datos de geolocalización de smartphones y tablets, el Massachusetts Institute of Technology (MIT) ha logrado saber cuántas personas estaban durante el Black Friday en el mayor centro de compras de los Estados Unidos.
