La limpieza de datos, data cleansing o scrubbing es un proceso necesario para asegurar la calidad de los datos que se emplearán para analytics. Este paso es fundamental para minimizar el riesgo que supondría el basar la toma de decisiones en información poco precisa, errónea o incompleta.

El data cleansing se ocupa de solucionar problemas de calidad de datos a dos niveles:

Es cierto, pocas organizaciones hoy día pueden permitirse el lujo de permanecer desinformadas acerca de la "actualidad" en Twitter o Facebook. Las decisiones de la empresa hace ya algunos años que están significativamente influenciadas por las pistas que da el social media analytics y es bastante habitual que las compañías dispongan de sus herramientas de análisis que:

• Facilitan una toma de decisiones de la empresa fundamentada en datos objetivos y no en intuiciones, corazonadas u otras subjetividades, algo a lo que los medios de comunicación social pueden resultar muy propensos.

Al plantearse las razones por las que decantarse por el análisis predictivo, lo primero que hay que tener en cuenta son los motivos por los que vale la pena descartar otras modalidades analíticas menos avanzadas. El análisis predictivo y el prescriptivo van un paso por delante de su predecesor, el análisis descriptivo, una técnica que, pese a aportar una interesante perspectiva del negocio contaba con muchas limitaciones.

Algunas de estas barreras pueden constatarse al tratar de responder cuestiones acerca de:

¿Qué es analytics sin calidad de datos? ¿Hasta dónde puede llegarse con el análisis predictivo si la base de los estudios son datos erróneos o incompletos? ¿Qué repercusiones puede tener la ausencia de consistencia o la inexactitud de la información para la toma de decisiones empresarial? ¿Puede la formación en calidad de datos prevenir este tipo de circunstancias adversas? Data quality debe ser una prioridad para cualquier negocio. Las organizaciones deben velar por su activo más importante y garantizar la calidad de los datos, fuente de conocimiento y valor. Pero, no siempre es así. En ocasiones, la calidad de la información es precaria y eso se debe a:

• Desconocimiento de la organización acerca de sus condiciones de calidad de datos.

La calidad de datos es un componente esencial para los buenos resultados de la analítica. Los diferentes tipos de análisis avanzados se apoyan en las herramientas de limpieza, matching, validación o transformación, entre otras, para asegurar ciertos niveles de data quality, sin los que la toma de decisiones podría verse afectada por una pérdida de integridad, completitud o consistencia. No es nuevo. La mayoría de empresas ya conocen este requisito de predictive analytics. Lo que muchos ignoraban es que la relación es bidireccional. La calidad de los datos también se beneficia de los nuevos procesos analíticos.

 El data warehouse juega un papel muy importante cuando se trata de asegurar la calidad de la información para analytics. La analítica avanzada, en sus modalidades predictiva y prescriptiva, permite llegar muy lejos al negocio, al alcanzar un grado de conocimiento que no puede lograrse de ninguna otra forma y lograr impulsar su optimización minimizando el riesgo; sin embargo, los atributos de la calidad del dato deben quedar garantizados. Someter el data warehouse a pruebas es la forma más efectiva de conseguirlo.

La visualización de datos siempre ha ocupado un lugar central entre las prioridades del desarrollo tecnológico en entornos Business Intelligence, aunque ha sido en los últimos tiempos cuando ha adquirido una importancia sumamente relevante.

Las nuevas necesidades corporativas derivadas de la creciente movilidad de los miembros de las organizaciones, y la elevada demanda de soluciones tecnológicas que permitan tomar decisiones inmediatas y sobre la marcha ha propiciado el incremento de la atención proporcionada al desarrollo de nuevas herramientas de visualización de datos e informaciones, un desarrollo fundamental en sectores especialmente proclives a padecer, con una mayor intensidad, la incidencia de los retos planteados por la movilidad y la exigencia de toma de decisiones en itinerancia, como los sectores dedicados a la logística y la distribución.

Las pruebas son contundentes. Sin datos fiables, la previsión no es sólo una pérdida de tiempo, sino que también es potencialmente perjudicial para los negocios. La calidad de datos es crucial para el éxito de una iniciativa de analítica avanzada, mucho más cuando se trata de hacer predicciones y pronósticos que comprometerán el futuro de la organización. Data quality marca la diferencia entre unas empresas, líderes, y otras, aún en el camino.

Las innovaciones tecnológicas permiten a las organizaciones y las compañías detectar nuevas oportunidades de negocio, ampliando sus cuotas de mercado e implantándose en zonas, ámbitos y territorios donde hasta el momento no habían tenido la oportunidad de adentrarse. Sin embargo, para ello, es necesario que estar innovaciones se encuadren en entornos de análisis, planificación, gestión y supervisión más amplios, igualmente caracterizados por la apuesta tecnológica pero considerada de un modo integral en el diseño de la estrategia corporativa.

Por supuesto, hablamos de entornos Business Intelligence, en los cuales la planificación de los procesos de operaciones y actividades se realiza basándose en sólidos análisis de datos e informaciones, capaces de visibilizar y poner de relieve todos los elementos clave de la cadena de valor de la organización para aprovechar al máximo las potencialidades de la compañía.

La gran versatilidad de las herramientas para la visualización de datos nos ha ocupado en varias ocasiones anteriores, llevándonos incluso más allá de los límites establecidos tradicionalmente para los entornos Business Intelligence, adentrándonos en ámbitos tan variados como el arte, el deporte o la cultura.

Sin embargo, volviendo al cauce estricto de la inteligencia de negocios, sabemos que la toma de decisiones es asunto clave que reviste cada día una mayor complejidad dado el creciente volumen y variedad de datos manejados, las cada vez más persistentes y generales exigencias de movilidad de los miembros de una organización y la rápida capacidad de respuesta requerida por los grandes cambios y las constantes fluctuaciones de un mercado en imparable evolución.