Asegurarse la lealtad del cliente (o fidelizarlo) resulta una tarea cada vez más ardua, difícil y compleja. El aumento exponencial de la competencia, en casi cualquier ámbito o sector, propiciado por el acceso universal a los nuevos medios y redes de comunicación, la creciente complejidad de los mercados, y las dificultades por determinar patrones de demanda que permitan ofrecer productos y servicios ajustados a las necesidades de sectores de consumidores más o menos amplios ya representan un considerable obstáculo a la hora de captar nuevos clientes.

Si a todo ello le añadimos un público cada vez más exigente, con una demanda constante de atención inmediata y personalizada, hacerse con la lealtad del cliente se nos aparece como una auténtica quimera, como un objetivo deseable pero poco menos que imposible de alcanzar.

Las métricas y los indicadores clave de desempeño (performance metrics y KPI) son dos elementos clave del cuadro de mando integral, o CMI, que como bien sabemos es la herramienta Business Intelligence que nos permite traducir la misión de una empresa u organización en una serie de medidas, herramientas y procesos que estructuran los sistemas de diseño, monitorización y evaluación de las distintas estrategias corporativas adoptadas.

Gracias al CMI, entre otras posibilidades, podemos transformar la estrategia de la compañía en acciones y actividades operativas concretas, sometiéndolas, al mismo tiempo, a procesos de gestión y evaluación que permitan medir su nivel de desempeño. Y es precisamente aquí, en estos procesos de gestión y evaluación, donde entran en juego de un modo determinante los indicadores KPI y las performance metrics, o métricas de desempeño.

Cuando las empresas alcanzan cierta madurez analítica es habitual que se pongan de manifiesto ciertos problemas relacionados con la calidad de los datos empleados para el análisis. Ante estas cuestiones, de mayor o menor relevancia, las organizaciones actúan de distinta forma. Su reacción determinará su futuro, ya que los datos son un activo tan valioso para el negocio que merece ser tratado y gestionado eficientemente. Ignorar las cuestiones de data quality, reaccionar impulsivamente y sin un plan o dejar que cunda el pánico no son opciones válidas. Hay una forma mucho más efectiva de resolver una situación de este tipo.

La importancia de la visualización de datos nos ha ocupado en varias ocasiones anteriores, y seguiremos hablando de ella en el futuro en tanto representa un aspecto clave para el correcto desempeño de las actividades empresariales integradas en un entorno Business Intelligence. Hoy, sin embargo, nos centraremos en una cuestión muy concreta de la visualización de datos, que rebasa lo estrictamente determinado como su ámbito propio de competencias (es decir, las distintas herramientas y métodos de visualización: métricas, gráficos, etc.) y nos acerca a una exigencia corporativa cada vez más acuciante: la movilidad.

La analítica ha entrado de lleno en la vida del negocio. La empresa ya disfruta de visibilidad, tiene información en tiempo real, dispone de cuadros de mando integrales que le permiten hacer un seguimiento de cada área relevante y no necesita esperar a que los hechos comiencen a mostrar sus consecuencias para reaccionar, sino que puede prevenir. Pero los problemas de calidad de datos para analytics se empiezan a manifestar.

La expresión Business Activity Monitoring, o sus siglas BAM, se refieren básicamente al conjunto de software y aplicaciones tecnológicas e informáticas que permiten monitorizar las actividades de negocio y los procesos de una organización, ofreciendo principalmente resúmenes, reportes e informes en tiempo real del conjunto de las operaciones que se llevan a cabo.

Transacciones, procesos y operaciones corporativas de toda índole pueden ser monitorizados con las herramientas Business Activity Monitoring, permitiendo tomar decisiones basadas en informaciones más completas y detalladas con extraordinaria rapidez, eficacia y precisión, algo que persiguen de un modo destacado las soluciones Business Intelligence.

La minería de datos es ampliamente utilizada en diversas áreas, que cada vez son más, a medida que la tecnología sigue avanzando en este campo. Dentro de la minería de datos hay aplicaciones de todo tipo que pueden encontrarse en el mercado. Sus posibilidades permiten que empresas de diferentes sectores se puedan beneficiar de la obtención de datos fiables para el analytics.

El éxito de una organización desde el punto de vista operativo depende de múltiples factores y diversas variables, que se deben considerar en conjunto a la hora de definir una estrategia integral. Y si bien es cierto que algunos departamentos ocupan un lugar central, alrededor de los cuales orbitan otras áreas operativas menores, no podemos olvidar que los procesos directamente relacionados con unos u otras jamás pueden ser llevados a cabo con total independencia y parcialidad. No sería, pues, responsable (y ni mucho menos realista) otorgar a determinados procesos y actividades una importancia mayor o menor respecto a otros.

Sin embargo, no es únicamente el análisis interno de la compañía, eso es, tener en cuenta sus fortalezas y debilidades, lo que nos ayudará a definir una correcta estrategia integral. También el análisis externo de la misma, es decir, la identificación de las oportunidades que se le ofrecen y las amenazas a las que se expone lo que, junto con lo anterior, nos aportará una visión de conjunto que nos permita formular una estrategia corporativa adecuada para lograr los objetivos fijados.

Desde el momento en que el business intelligence llegó a su apogeo, el análisis predictivo ha ido ganando en interés para inversores y  empresarios. Mucho más si se tiene en cuenta su estrecha relación con big data, otro de los trend topics de los últimos años. Pero, ¿qué hay de cierto en todo lo que se promete? ¿en qué favorece realmente al negocio? ¿Cuánto se puede esperar de esta modalidad de análisis?

La minería de datos, o data mining, es un proceso de identificación de información relevante extraída de grandes volúmenes de datos, con el objetivo de descubrir patrones y tendencias estructurando la información obtenida de un modo comprensible para su posterior utilización.

Atendiendo a estos objetivos, no es difícil entrever de qué modo y en qué sentido las herramientas de visualización de datos son necesariamente complementarias al proceso de minería de datos, y en qué momento entran e juego para que la información detectada como relevante pueda ser leída y comprendida de un modo inmediato, sencillo y efectivo.