Data quality es la mayor preocupación de quienes se dedican al predictive analytics. Obtener fiabilidad de las predicciones depende de la calidad de datos para analytics alcanzada. El análisis predictivo se despliega en toda la organización, beneficiando de sus ventajas a todos los usuarios de negocio pero poniendo en riesgo también a todas las áreas operativas cuando no se da en las condiciones óptimas. Hablamos de calidad y, por ello, las técnicas de gestión de calidad de datos deben desempeñar un papel integral en la estrategia de análisis predictivo.

Las herramientas de análisis predictivo aplican sofisticadas técnicas de minería de datos y análisis estadístico aplicables a grandes volúmenes de datos históricos y recogidos en tiempo real. Pero, ¿qué sucede si esos datos no son válidos o si están dañados? ¿Cómo pueden los usuarios de la organización determinar qué eventos, acciones y condiciones pueden ocurrir en el futuro, si la información que están utilizando para hacer tales predicciones no es fiable?

El mercado de las plataformas y herramientas Business Intelligence nos ofrece cada vez más opciones entre las que poder elegir soluciones para implementar en nuestro negocio u organización. Con todo, siguen existiendo pocas dudas acerca de cuáles son las que encabezan la lista de las más eficientes, potentes y versátiles, entre las cuales hallamos, de un modo especialmente destacado, las plataformas de MicroStrategy e IBM Cognos.

Ambas soluciones ofrecen respuestas integrales a las necesidades de cualquier tipo de compañía en cuestiones como la recopilación, la estructuración, el análisis y la gestión de datos e información, la monitorización de procesos y actividades, soporte a la movilidad e itinerancia, diseño de estrategias y apoyo a la toma de decisiones; en resumen, a cualquier necesidad relacionada con la inteligencia de negocio.

Social media monitoring (también conocido como social listening) es una parte del social media analytics que consiste en hacer un seguimiento sobre lo que se publica en internet en base al uso de una herramienta tecnológica que permita ejercer esta capacidad de control que, de otra forma, queda muy limitada. El objetivo de este tipo de acciones es adquirir una inteligencia de medios sociales que permita tomar las mejores decisiones.

Cualquier proyecto de Business Intelligence tiene, entre sus objetivos principales, apoyar la toma de decisiones en los distintos niveles de una organización aportando el conocimiento necesario para ello. Un conocimiento que, como sabemos, se obtiene de la información aportada por el análisis de datos estructurados con los que cuenta la compañía, recopilados durante el desarrollo de sus distintas actividades y procesos.

Big data y el análisis predictivo van de la mano pero, igual que ocurría con los grandes datos en sus primeros momentos, predictive anaytics todavía tiene la capacidad de desconcertar a todos aquéllos que, no saben muy bien en qué consiste, no confían en sus posibilidades o se auto-limitan a un reducido número de sus múltiples usos, restringiendo el mar de oportunidades por el que la analítica avanzada les puede guiar.

Los Cuadros de Mando Integral (o CMI) y las cuestiones relacionadas con los mismos nos han ocupado en varias ocasiones anteriores, en las que hemos visto de qué modo integrar un CMI en una estrategia de Business Intelligence, cómo las funcionalidades de los distintos tipos de cuadros de mando convergen en el CMI y hasta qué punto este representa una de las herramientas BI más imprescindibles para el correcto diseño, análisis y evaluación de las estrategias corporativas adoptadas. Con todo, no hemos profundizado lo suficiente en la importancia que adquiere un Cuadro de Mando Gerencial basado en un CMI para la correcta toma de decisiones en gerencia, un ámbito fundamental para el correcto desempeño de las tareas directivas en el sí de cualquier organización.

Establecer objetivos y diseñar las estrategias más viables y efectivas para alcanzarlos es una de las principales responsabilidades que recaen sobre los hombros de los directivos de cualquier empresa u organización. Una responsabilidad que, entre otras exigencias, obliga a manejar conceptos, competencias y visiones que mantienen entre sí una clara relación dialéctica y frecuentemente resultan, por este mismo motivo, difícilmente conciliables.

El predictive analytics, análisis predictivo, se diferencia de otras metodologías inteligentes pero sin esta capacidad de pronóstico por los beneficios que reporta a las empresas que aplican sus técnicas en cuanto a aumento de la rentabilidad y mejora de los márgenes de beneficio. En concreto, son de sobra conocidas sus bondades en cuanto a:

•  Optimización de la toma de decisiones.

La terminología en el terreno de las TI, y más concretamente en asuntos relacionados con el Business Intelligence puede llegar a representar un serio desafío para los que no estén familiarizados con ella. Términos y expresiones similares, que se usan de un modo recurrente y que designan aspectos clave de la inteligencia de negocios, se pueden entender de un modo algo confuso si se emplean sin mayores explicaciones. Un buen ejemplo de ello son los conceptos asociados a los cuadros de mando como, en el caso que hoy nos ocupa, el tablero de control operativo (o TCO).

Predictive analytics está impactando en organizaciones de todo el mundo, cambiando su forma de tomar decisiones y aumentando exponencialmente la eficacia de sus acciones. No sólo las empresas se basan en la solidez de los datos para analizar lo que les depara el futuro, sino que el sector público también se beneficia del análisis predictivo.