Las organizaciones de hoy están siendo inundadas con nuevos datos de todas las direcciones y se espera que los ejecutivos tomen decisiones más inteligentes con esa información. Si bien las pequeñas y medianas empresas (PYMES) pueden encontrar en Microsoft Excel un receptáculo conveniente para los datos durante sus primeros días, pronto se darán cuenta de que las hojas de cálculo, sin embargo, son contundentes e insuficientes para manejar este tipo de grandes volúmenes de datos. Ahora hay una nueva cosecha de herramientas de inteligencia comercial (BI) para llenar el vacío. Estas herramientas combinan todos los enlaces de datos sofisticados en el back-end con un nuevo estilo de front-end que combina la facilidad de uso con cosas como consultas en lenguaje natural para hacer que el uso de BI sea accesible para todos. Estas herramientas también brindan nuevas capacidades de visualización de datos que le permiten convertir sus conocimientos en gráficos claros y fáciles de analizar para ayudar a los compañeros de trabajo a comprender sus descubrimientos.
Las hojas de cálculo también fallan cuando los datos no están bien estructurados o no se pueden ordenar en filas y columnas ordenadas. Y, si tiene millones de filas o matrices muy dispersas, entonces los datos en una hoja de cálculo pueden ser difíciles de ingresar y puede ser difícil visualizar sus datos. Las hojas de cálculo también tienen problemas si intenta crear un informe que abarque varias tablas de datos o que se mezcle en bases de datos basadas en lenguaje de consulta estructurado (SQL), o cuando varios usuarios intenten mantener y colaborar en la misma hoja de cálculo.
Una hoja de cálculo que contiene datos actualizados al minuto también puede ser un problema, especialmente si ha exportado gráficos que deben actualizarse cuando cambian los datos. Finalmente, las hojas de cálculo no son buenas para la exploración de datos; tratar de detectar tendencias, puntos de datos atípicos o resultados contrarios a la intuición es difícil cuando lo que está buscando a menudo está oculto en una larga fila de números.
Si bien las hojas de cálculo y las herramientas de BI de autoservicio utilizan tablas de números, en realidad actúan en diferentes escenarios con diferentes propósitos. Una hoja de cálculo es, ante todo, una forma de almacenar y mostrar cálculos. Si bien algunas hojas de cálculo pueden crear modelos matemáticos muy sofisticados, en esencia se trata de las matemáticas más que del modelo en sí.
Todo esto es una forma prolija de decir que cuando las empresas usan una hoja de cálculo, se están saboteando activamente a sí mismas y a su capacidad para obtener información valiosa de forma constante a partir de sus datos. Las herramientas de BI están diseñadas específicamente para ayudar a las empresas a comprender mejor sus datos y pueden resultar un gran beneficio para aquellos que actualizan lo que puede hacer una hoja de cálculo limitada.
BI abarca una buena cantidad de herramientas y procesos que pueden no estar estandarizados o que pueden ser vagos o nebulosos. Varios tipos de software ahora ofrecen algún tipo de análisis que puede alimentar las necesidades específicas de una empresa. Ya sea que se trate de métricas de usuario, definir y anticipar tendencias, así como predecir resultados, todo se incluye en la definición general de inteligencia empresarial. En resumen, las actividades que ayudan a las empresas a convertir la información sin procesar en conocimiento procesable pueden etiquetarse como BI. Ahora que las empresas están generando más datos que nunca, se ha convertido en un desafío mayor convertir esos datos en BI procesable para aumentar las ganancias y mantenerse por delante de la competencia.
Enmarcado de esa manera, BI como concepto ha existido desde que los negocios. Pero ese concepto ha evolucionado desde los principios básicos [como los informes de Cuentas por pagar (AP) y Cuentas por cobrar (AR) y la información de contacto y contrato del cliente] a información mucho más sofisticada y matizada. Esta información abarca todo, desde los comportamientos de los clientes hasta el monitoreo de la infraestructura de TI e incluso el rendimiento de los activos fijos a largo plazo. El seguimiento por separado de dichas métricas es algo que la mayoría de las empresas pueden hacer, independientemente de las herramientas empleadas. Combinarlos, especialmente los resultados dispares de métricas que normalmente no están asociadas entre sí, en información comprensible y procesable, bueno, ese es el arte de BI. El futuro de BI ya se está perfilando para ampliar simultáneamente el alcance y la variedad de datos utilizados y para agudizar el enfoque micro a niveles cada vez más finos y granulares.
El software de BI ha sido fundamental en esta progresión constante hacia un conocimiento más profundo sobre el negocio, los competidores, los clientes, la industria, el mercado y los proveedores, por nombrar solo algunos posibles objetivos métricos. Pero a medida que las empresas crecen y sus almacenes de información se disparan, la captura, el almacenamiento y la organización de la información se vuelven demasiado grandes y complejos para que los humanos los manejen por completo. Los primeros esfuerzos para realizar estas tareas a través de software, como la gestión de relaciones con el cliente (CRM) y la planificación de recursos empresariales (ERP), llevaron a la formación de "silos de datos" en los que los datos estaban atrapados y eran útiles solo dentro de los límites de ciertas operaciones o grupos de software. . Este era el caso a menos que TI asumiera la tarea de integrar varios silos, generalmente a través de procesos minuciosos y altamente manuales.
Si bien el software de BI todavía cubre una variedad de aplicaciones de software utilizadas para analizar datos sin procesar, hoy en día generalmente se refiere a análisis para minería de datos, procesamiento analítico, consultas, informes y, especialmente, visualización. La principal diferencia entre el software de BI actual y el análisis de Big Data es principalmente la escala. El software de BI maneja tamaños de datos típicos para la mayoría de las organizaciones, desde pequeños hasta grandes. El análisis y las aplicaciones de Big Data manejan el análisis de datos para conjuntos de datos muy grandes, como silos medidos en petabytes (PB).
Las herramientas de BI que eran populares hace media década o más requerían especialistas, no solo para usar sino también para interpretar los datos y conclusiones resultantes. Eso condujo a un filtro a menudo inconveniente y falible entre las personas que realmente necesitaban obtener y comprender el negocio, los tomadores de decisiones de la empresa, y aquellos que recopilaban, procesaban e interpretaban esos datos, generalmente analistas de datos y administradores de bases de datos. Debido a que ser un especialista en datos es un trabajo exigente, muchas de estas personas estaban menos versadas en el funcionamiento real del negocio cuyos datos estaban analizando. Eso condujo a un enfoque en los datos que la empresa no necesitaba, una mala interpretación de los resultados y, a menudo, una serie de informes "estándar" que los analistas ejecutarían de forma programada en lugar de más recopilación e interpretación de inteligencia ad hoc, que puede ser altamente valioso en situaciones de rápido movimiento.
Este problema ha dado lugar a una nueva tendencia cada vez mayor entre las nuevas herramientas de BI que salen al mercado hoy en día: la BI de autoservicio y la democratización de datos. El objetivo de gran parte del software de BI actual es que esté disponible y pueda ser utilizado por cualquier persona de la organización. En lugar de solicitar informes o consultas a través de los departamentos de TI o de bases de datos, los ejecutivos y los responsables de la toma de decisiones pueden crear sus propias consultas, informes y visualizaciones de datos a través de modelos de autoservicio y conectarse a datos dispares tanto dentro como fuera de la organización a través de conectores prediseñados. TI mantiene el control general sobre quién tiene acceso a qué herramientas y datos a través de estos conectores y su arsenal de herramientas de administración, pero TI ya no actúa como un cuello de botella para cada consulta y solicitud de informe.
Como resultado, los usuarios pueden aprovechar este modelo de BI distribuido. Las herramientas clave y los datos críticos han pasado de una arquitectura centralizada y de difícil acceso a un modelo descentralizado que simplemente requiere credenciales de acceso y familiaridad con el nuevo software de BI. Esto da como resultado un análisis adicional disponible para la organización, que los empresarios experimentados de primera línea pueden extrapolar y aprovechar.
Todas las herramientas emergentes de BI trabajan arduamente para desarrollar herramientas front-end que sean más intuitivas y fáciles de usar que las de las generaciones anteriores, con diversos grados de éxito. Sin embargo, eso significa que un criterio clave en cualquier decisión de compra de herramientas de BI será evaluar quién en la organización debe acceder a dichas herramientas y si la herramienta está diseñada adecuadamente para esa audiencia. La mayoría de los proveedores de BI indican que buscan que sus conjuntos de herramientas se vuelvan tan ubicuos y fáciles de usar para los usuarios comerciales como las típicas herramientas de colaboración comercial o conjuntos de productividad, como Microsoft Office. En mi opinión, ninguno ha llegado tan lejos todavía, pero algunos están más cerca que otros. Con ese fin, estos conjuntos de herramientas de BI tienden a centrarse en tres tipos principales de análisis: descriptivo (lo que sucedió), prescriptivo (lo que debería suceder ahora) y predictivo (lo que sucederá más adelante).
En el contexto del software de BI, la visualización de datos es un método rápido y efectivo para transferir información de una máquina a un cerebro humano. La idea es colocar la información digital en un contexto visual para que los humanos puedan ingerir rápidamente el resultado analítico, a menudo de un vistazo. Si esto suena como esos gráficos circulares y de barras que ha visto en Microsoft Excel, entonces tiene razón. Esos son ejemplos tempranos de visualizaciones de datos.
Pero las formas de visualización actuales están evolucionando rápidamente desde los gráficos circulares tradicionales a lo estilizado, lo artístico e incluso lo interactivo. Una visualización interactiva viene con "desgloses" en capas, lo que significa que el espectador puede interactuar con la imagen para obtener información más granular sobre uno o más aspectos incorporados en el panorama general. Por ejemplo, se pueden agregar nuevos valores que cambiarán la visualización sobre la marcha, o la visualización en realidad se basa en datos que cambian rápidamente y pueden convertir una imagen estática en una animación o un tablero.
Las mejores visualizaciones no buscan premios artísticos, sino que están diseñadas teniendo en cuenta la función, generalmente la transferencia de información rápida e intuitiva. En otras palabras, las mejores visualizaciones son simples pero poderosas para transmitir un mensaje de manera clara y directa. Las imágenes de alta gama pueden parecer impresionantes a primera vista, pero si su audiencia necesita ayuda para comprender lo que se transmite, entonces finalmente han fallado.
La mayoría del software de BI, incluidos los revisados aquí, viene con capacidades de visualización. Sin embargo, algunos productos ofrecen más opciones que otros, por lo que, si las imágenes avanzadas son clave para su proceso de BI, querrá examinar de cerca estas herramientas. También hay herramientas de visualización de datos de terceros e incluso gratuitas que se pueden usar además de su software de BI para obtener aún más opciones.
En este resumen de revisión, probé cada producto desde la perspectiva de un analista de negocios. Pero también tuve en cuenta el punto de vista de los usuarios que podrían no estar familiarizados con el procesamiento o análisis de datos. Cargué y usé los mismos conjuntos de datos y planteé las mismas consultas, evaluando los resultados y los procesos involucrados.
Mi objetivo era evaluar solo las versiones en la nube, ya que a menudo realizo análisis sobre la marcha o al menos en una variedad de máquinas, al igual que legiones de otros analistas. Pero, en algunos casos, fue necesario evaluar una versión de escritorio también o en lugar de la versión en la nube. Un ejemplo de esto es Tableau Desktop, una herramienta favorita de los usuarios de Microsoft Excel que simplemente sienten afinidad por la herramienta de escritorio (y que se mudan a la nube el tiempo suficiente para compartir y colaborar).
También terminé probando la versión de escritorio de Microsoft Power BI, siguiendo la recomendación de un representante de Microsoft porque, como dijo el representante, "las herramientas de preparación de datos más sólidas están ahí". Además, dijo el representante, "de todos modos, la mayoría de los usuarios prefieren la herramienta de escritorio a una herramienta web". Una vez más, no dudo de la afirmación de Microsoft, pero me parece extraño. Escuché que se prefieren las herramientas de escritorio cuando los datos son locales, ya que el proceso se siente más rápido y más fácil. Pero en serio, ¿cuántos datos son realmente locales ya? Sospecho que esta extraña preferencia de herramientas de escritorio es un poco más personal que basada en hechos, pero cada uno tiene lo suyo.
Luego está Google Analytics, un reproductor de nube puro. La herramienta está diseñada para analizar datos de sitios web y aplicaciones móviles, por lo que es una criatura diferente en el zoológico de aplicaciones de BI. Siendo ese el caso, tuve que desviarme del uso de mi conjunto de datos de prueba y consultas, y en su lugar probarlo en su hábitat natural de datos del sitio web. No obstante, son los procesos los que se evalúan en esta revisión, no los datos.
Si bien no probé ninguna de estas herramientas desde el rol de un científico de datos, mencioné capacidades avanzadas cuando las encontré, simplemente para que los compradores sepan que existen. Por ejemplo, Microsoft Power BI es poderoso y también familiar, sin duda para cualquiera de los millones de usuarios comerciales de Microsoft. Sin embargo, hay varias otras aplicaciones poderosas e intuitivas en esta línea para elegir; todos ellos tienen sus propios pros y contras. Agregaremos aún más en los próximos meses.
Una cosa que debe tener en cuenta durante sus evaluaciones de estos productos es que muchos aún no manejan transmisión de datos. Para muchos usuarios, eso no será un problema en el futuro inmediato. Sin embargo, para aquellos involucrados en el análisis de los procesos comerciales a medida que ocurren, como las métricas de rendimiento del sitio web o los patrones de comportamiento del cliente, la transmisión de datos puede ser invaluable. Además, el Internet de las cosas (IoT) impulsará este problema en un futuro cercano y hará que la transmisión de datos y el análisis de transmisión sean una característica imprescindible. Muchas de estas herramientas tendrán que mejorar su juego en consecuencia, por lo que, a menos que desee abandonar el barco en uno o dos años, es mejor pensar en el futuro al considerar BI e IoT.
Otra área en la que el BI de autoservicio está despegando es el análisis de Big Data. Este es un desarrollo más nuevo en el espacio de las bases de datos, pero está impulsando un enorme crecimiento e innovación. El nombre es un descriptor adecuado porque Big Data generalmente se refiere a grandes conjuntos de datos que simplemente son demasiado grandes para ser administrados o consultados con herramientas tradicionales de ciencia de datos. Lo que ha creado estas gigantescas colecciones de datos es la explosión de herramientas de generación de datos, seguimiento, monitoreo, transacciones y redes sociales (por nombrar algunas) que se han vuelto tan populares en los últimos años.
Estas herramientas no solo generan una gran cantidad de datos nuevos, sino que a menudo también generan un nuevo tipo de datos, a saber, datos "no estructurados". En términos generales, se trata simplemente de datos que no se han organizado de una manera predefinida. A diferencia de los datos estructurados más tradicionales, este tipo de datos tiene mucho texto (incluso texto de formato libre) y también contiene datos más fáciles de definir, como fechas o números de tarjetas de crédito. Los ejemplos de aplicaciones que generan este tipo de datos incluyen las herramientas de seguimiento del comportamiento del cliente que utiliza para ver lo que hacen sus clientes en su sitio web de comercio electrónico, las pilas de registros y archivos de eventos generados desde algunos dispositivos inteligentes (como alarmas y dispositivos inteligentes). sensores) y herramientas de seguimiento de redes sociales de amplio espectro.
Las organizaciones que implementan estas herramientas enfrentan el desafío no solo de una avalancha repentina de datos no estructurados que agotan rápidamente los recursos de almacenamiento [piense más allá de los terabytes (TB) en el rango de PB e incluso de exabytes (EB)] sino, lo que es más importante, lo están encontrando. difícil de consultar esta nueva información en absoluto. Las herramientas de almacenamiento de datos tradicionales generalmente no fueron diseñadas para administrar o consultar datos no estructurados. Están surgiendo nuevas innovaciones de almacenamiento de datos, como los lagos de datos, para resolver esta necesidad, pero las organizaciones aún confían exclusivamente en las herramientas tradicionales mientras implementan aplicaciones de primera línea que generan datos no estructurados, a menudo se encuentran sentados en montañas de datos que no saben cómo aprovechar. .
Introducir estándares de análisis de Big Data. El estándar de oro aquí es Hadoop, que es un marco de software de código abierto que Apache diseñó específicamente para consultar grandes conjuntos de datos almacenados de forma distribuida (es decir, en su centro de datos, la nube o ambos). Hadoop no solo le permite consultar Big Data, sino que también le permite consultar simultáneamente datos estructurados tradicionales y no estructurados. En otras palabras, si desea consultar todos los datos de su negocio para obtener la máxima información, entonces Hadoop es lo que necesita.
Puede descargar e implementar Hadoop para realizar sus consultas, pero normalmente es más fácil y efectivo usar herramientas comerciales de consulta que emplean Hadoop como la base de paquetes de análisis más intuitivos y con todas las funciones. En particular, la mayoría de las herramientas revisadas aquí, incluidas Chartio, Microsoft Power BI y Tableau Desktop, son compatibles con esto. Sin embargo, cada uno requiere diferentes niveles de configuración o incluso herramientas complementarias para hacerlo, con Microsoft y Tableau ofreciendo capacidades excepcionalmente profundas. Sin embargo, Microsoft seguirá esperando que los clientes utilicen herramientas adicionales en aspectos como el control de datos para garantizar un rendimiento óptimo.
Dados los problemas que pueden tener las hojas de cálculo cuando se usan como herramientas de BI ad hoc y lo firmemente arraigadas que están en nuestras mentes, encontrar la herramienta de BI adecuada no es un proceso simple. A diferencia de las hojas de cálculo, las herramientas de BI tienen grandes diferencias cuando se trata de cómo consumen entradas y salidas de datos y cómo manipulan sus tablas. Algunas herramientas son mejores para la exploración que para el análisis, y algunas requieren una curva de aprendizaje bastante empinada para aprovechar realmente sus funciones. Finalmente, para empeorar las cosas, hay docenas, si no cientos, de tales herramientas en el mercado hoy en día, con muchos proveedores dispuestos a reclamar la etiqueta de BI de autoservicio incluso si no encaja del todo.
Obtener el flujo de trabajo general con estas herramientas requerirá un poco de estudio y discusión con las personas que designará como usuarios. Tableau Desktop y Microsoft Power BI, por ejemplo, harán que los usuarios comiencen con la versión de escritorio para crear visualizaciones y conectarse a varias fuentes de datos. Una vez que tenga esto junto, puede comenzar a compartir esos resultados en línea o en la red de su organización. Con otros, como Chartio o Google Analytics, empiezas en la nube y te quedas allí.
En los últimos años, las empresas han estado aprovechando la amplia selección de plataformas de aprendizaje en línea que existen para capacitar a sus empleados en el uso de estas plataformas. Por más intuitivas que puedan ser estas plataformas, es importante asegurarse de que sus empleados realmente sepan cómo usar estas plataformas de BI para que pueda asegurarse de que su inversión haya valido la pena. Hay muchas maneras de abordar esto, pero usar la plataforma de aprendizaje en línea adecuada podría ser un buen lugar para comenzar a buscar.
Dada la amplia gama de precios de estos productos, debe segmentar sus necesidades de análisis antes de tomar una decisión de compra. Si desea comenzar de manera lenta y económica, la mejor ruta es probar algo que ofrezca una funcionalidad significativa de forma gratuita, como Microsoft Power BI. Estas herramientas son muy asequibles y facilitan el inicio. Además, tienden a tener grandes ecosistemas de complementos y socios que pueden ser un reemplazo rentable para hacer BI dentro de una hoja de cálculo. Tableau Desktop todavía tiene la colección más grande de gráficos y visualizaciones y la red de socios más grande, aunque Microsoft Power BI se está poniendo al día rápidamente.
Microsoft Power BI y Tableau Desktop obtuvieron los puntajes más altos en nuestro resumen, y ambos productos recibieron nuestro premio Editors' Choice. Tableau Desktop puede tener un alto precio según la versión que elija, pero, como se mencionó anteriormente, tiene una colección de visualizaciones excepcionalmente grande y en crecimiento, además de una curva de aprendizaje manejable si está dispuesto a dedicarle un poco de esfuerzo. Microsoft Power BI y Tableau Desktop también tienen grandes y crecientes colecciones de conectores de datos, y tanto Microsoft como Tableau tienen sus propias comunidades considerables de usuarios que expresan sus deseos y necesidades. Esto puede tener mucho peso con los equipos de desarrollo de los proveedores, por lo que es una buena idea pasar un tiempo mirando esos foros de la comunidad para tener una idea de hacia dónde se dirigen estas empresas.
No Comments