Plataformas Business Intelligence: ¿cómo funcionan?

No todas las herramientas enfocadas a negocio son iguales. Tampoco los líderes designados por Gartner deberían ser la solución perfecta para una organización.

Hoy en día, podemos encontrar poderosas herramientas de inteligencia de negocios (Business Intelligence o BI) y visualización de datos para ayudar a una organización a ilustrar sus ideas, visualizar sus datos, compartir sus análisis con los clientes y la comunidad global en general.

Ya en un post anterior, “Cómo crear dashboard para poner en orden tus métricas”, vimos algunas de las importantes tools de Business Intelligence, plataformas de analítica de datos y creación de cuadros de mando.

A continuación vemos una comparativa de las plataformas más utilizadas y analizaremos sus características principales para ayudarte a elegir la plataforma que necesitas.

Una de las fuentes principales que tomaremos como referencia en este post son los informes mensuales y anuales de la consultora especializada en investigación de las tecnologías de la información de Estados Unidos, Gartner Inc., conocida por su informe anual llamado Magic Quadrant for Analytics and Business Intelligence Platforms.

La última actualización (febrero 2019) muestra, a través de una matriz, los proveedores divididos en cuatro grupos:

• Challenger o Aspirantes: están ejecutando correctamente en su segmento el mercado de hoy, pero no están demostrando su orientación futura.
• Leaders o Líderes: trabajan en su sector hoy y tienen una clara visión para mañana.
• Niche Players o Nicho: especializados en su pequeño segmento, pero no tienen aún definido la orientación a innovar hacía los competidores.
• Visionaries o Visionarios: están estudiando sobre las acciones futuras a tomar en consideración en el mercado actual o tienen ideas de los próximos cambios, pero no lo están aún ejecutando.

En el eje X definimos la categoría de “Integridad de visión”, es decir, aprovechar el momento actual del mercado para generar valor. En el eje Y encontramos la “capacidad de ejecutar”, donde se mide la habilidad para ejecutar su visión del mercado.

Según Gartner, estos son los Líderes por tercer año consecutivo :

• Microsoft, con su herramienta PowerBI.
• Tableau, con Tableau Desktop, Tableau Prep, Tableau Online.
• Qlik, con View, Sense y Cloud.

Y la recién llegada a esta división, ThoughtSpot, que se posiciona como líder este año pasando de nicho a visionario respectivamente en 2017 y 2018.

Los restantes proveedores analizados serán:

• MicroStrategy, como único proveedor en la división de Aspirantes.
• Salesforce, SAS, SAP y Sisense, proveedores en la división Visionarios.
• Looker, Domo e IBM, proveedores en la división de Nicho.

En los últimos 3 años, podemos ver los respectivos cambios de los proveedores analizados y el resto de proveedores.

Así fue el año 2017:

En este gráfico podemos observar como MicroStrategy pasa de ser visionario a aspirante; ThoughSpot escalando dos cuadrantes hasta pasar a ser líder; Sisense cada vez más a ser visionario y líder.

Por el contrario, vemos IBM que pasa a ser de nicho y desaparece Pentaho (el último indicado en blanco a la derecha de nicho).

Así fue el cuadrante mágico en 2018:

En total, son 21 los proveedores analizados por la consultora Gartner y que están presentes en su informe. Entre los 33 excluidos, pero estudiados y analizados como potenciales proveedores, tenemos Google Data Studio, Amazon QuickSight y Zendesk.

Alguna otra conocida por sus soluciones de creación de dashboard interactivos, Klipfolio, Geckoboard no están incluidas.

¿Cómo escoger la mejor tool de Business Intelligence?

Vivimos en la era de “data driven economy”, así que el término “Business Intelligence” pasa a convertirse en “Business Analytics”. El concepto también ha requerido una transformación en su definición.

Gartner define Analytics como el conjunto de iniciativas de Inteligencia de negocio y sus aplicaciones, refiriéndose con aplicar estadística, matemática de datos, agrupaciones en cluster, en lo que concierne a la analítica predictiva.

Gracias a la transformación digital y al aumento de perfiles técnicos en las organizaciones, llegamos a hablar de Advanced Analytics: la fusión de Business Intelligence y Business Analytics, Customer Analytics y Predictive Analytics, hasta incluso la Embedded Analytics. Todas estas con un único objetivo: dar necesidades y respuestas a los objetivos empresariales.

Tener un dashboard o un cuadro de mando a nivel organizacional nos exige saber bien cuáles son los objetivos empresariales, hacía dónde quiere llegar la organización y si existen unos procesos que, adoptando las nuevas tecnologías, como Deep Learning o Inteligencia Artificial, puedan tener mejor respuestas a las propias necesidades.

Aquí, gráficamente, visualizamos el marco de las soluciones de Analytics y Inteligencia de negocio:

Gartner y sus análisis de cada una de las herramientas

Gartner tiene unos criterios para evaluar cada una de las herramientas. La nota final es una media ponderada de cada uno de los indicadores:

1. Agile, Centralized BI Provisioning, flujo para los equipos de TI a través de la metodología Agile y administrado de forma centralizada.
2. Decentralized Analytics, auto-administrado, para pequeños empresarios y usuarios finales.
3. Governed Data Discovery, soporta el flujo de datos según las directrices de gobierno del dato.
4. OEM or Embedded BI, soporta o no la posibilidad de modificar contenido y las aplicaciones o simplemente es embebido.
5. Extranet Deployment, como el proceso Agile, pero publicado vía externa de la organización, normalmente para las AAPP.

De estos criterios serán asignados con su propio peso las capacidades soportadas:

• Habilitar un administrador y proveer seguridad.
• Fácil acceso a los usuarios a consumir datos.
• Crear un dashboard analítico eficiente.
• Soporta la infraestructura cloud BI.
• Conectividad a fuentes de datos.
• Usabilidad y fácil manejo de la herramienta.
• Exploración visual de los datos interactivo.
• Gestión de los metadata.
• Posibilidad de gestión en dispositivos móviles, tv, touchscreen.
• Escalabilidad.
• Incluye un proceso de pre-ETL.
• Preparación de los datos de manera self-service.
• Data discovery nativo, posibilidad de predicciones y ML.
• Soporta API, desarrollo externo, embebidos, etc.
• Publicación, colaboración y compartir.

¿Cómo aprovechar los activos de datos y las innovaciones analíticas?

Las soluciones analíticas basadas en tecnología son soluciones incompletas porque ignoran nuevas fuentes de datos críticos, capacidades de análisis emergentes, audiencias (usuarios y partes interesadas), casos de uso y oportunidades comerciales.

Un enfoque orientado a negocio implica el uso de iniciativas de análisis de autoservicio para brindar información a los usuarios de negocio y mejorar su toma de decisiones en todos los niveles.

Por ejemplo, el "analítica aumentada" utiliza la automatización del aprendizaje automático y las técnicas de inteligencia artificial para llegar a un público más amplio y abordar nuevos casos de uso.

Esta evolución en el análisis amplifica y mejora la comprensión humana y ayuda a tomar decisiones que se relacionan con resultados medibles y objetivos comerciales.

Siendo un término relativamente nuevo, ya hay casos de usos, véase el Sentiment Analysis, NLP o Natural Language Process y Storytelling, todo lo que está relacionado con el estudio de los textos, la comunicación y la programación neurolingüística.