¿BIG DATA Y DATA ANALYTICS?

El término "big data" se refiere a datos que son tan grandes, rápidos o complejos que es difícil o imposible procesarlos utilizando métodos tradicionales. Data Analytics por su parte, es el proceso de examinar ese conjunto de datos para sacar conclusiones sobre la información (insights), con la ayuda de sistemas y software especializados.

Existen cuatro tipos principales de análisis de datos y cada uno tiene un objetivo y un momento diferentes en el proceso de análisis de datos, a saber:

a) El análisis descriptivo: Este proceso proporciona información esencial sobre el rendimiento pasado, o sea responde al ¿qué pasó? Ya sea a través del análisis de distintos indicadores clave de rendimiento (KPI), de métricas como el retorno de la inversión (ROI) u otras métricas especializadas para rastrear el desempeño en industrias o unidades de negocio específicas. Este proceso requiere la recopilación de datos relevantes, el procesamiento de los datos, el análisis de datos y la visualización de datos.

b) El análisis de diagnóstico, ayuda a responder preguntas sobre por qué sucedieron las cosas. Estas técnicas complementan el análisis descriptivo más básico. Toman los hallazgos de análisis descriptivos y profundizan para encontrar la causa. Esto generalmente ocurre en tres pasos:

• Identificar anomalías en los datos. Estos pueden ser cambios inesperados en una métrica, en un mercado o en un tiempo en particular.

• Se recopilan datos relacionados con estas anomalías.

• Encontrar relaciones y tendencias que explican estas anomalías.

c) El análisis predictivo, ayuda a responder preguntas sobre lo que sucederá en el futuro. Estas técnicas utilizan datos históricos para identificar tendencias y determinar si es probable que se repitan. Las herramientas analíticas predictivas proporcionan información valiosa sobre lo que puede suceder en el futuro y sus técnicas incluyen una variedad de técnicas estadísticas y de machine learning.

d) El análisis prescriptivo ayuda a responder preguntas sobre lo que debe hacerse. Mediante el uso de información de análisis predictivo, se pueden tomar decisiones basadas en datos. Esto permite a las empresas tomar decisiones informadas ante la incertidumbre. Las técnicas de análisis prescriptivo se basan en estrategias de machine learning que pueden encontrar patrones en grandes conjuntos de datos.

Aterrizando en el contexto actual que estamos viviendo, a través de analytics se pueden diseñar, mejorar e implementar planes de contingencia financiera y operativa, así como modelación de riesgo y del modelo de negocio de una empresa.

Dentro de la implementación de planes de contingencia financiera y operativa, es una herramienta importante para la evaluación del manejo de inventarios, variaciones en ventas y utilidades por unidad de negocio.

En lo financiero, es muy útil para modelar proyecciones de contingencia financiera, que incluya a su vez, análisis del flujo de caja y prueba de stress bajo distintos escenarios, según modelo de negocio actual y sugerido.

Y por último, desde lo estratégico, nos permite recomendar, diseñar y/o evaluar acciones a mediano y largo plazo que aseguren la continuidad y sostenibilidad del negocio (exit, transform, mergers, etc).

En fin y a pesar de que mayormente ha sido utilizado como una herramienta de mercadeo, lo cierto es que los usos de analytics son infinitos y definitivamente, apoyado en machine learning, está aquí para quedarse.