De acuerdo con el estudio del MIT “How does data-driven decision-making affect firm performance?”, las compañías que basan su toma de decisiones en datos son un 5% más productivas y obtienen un 6% más de beneficios de media que sus competidores más directos. Esto demuestra el enorme valor que pueden aportar los datos y el Business Intelligence para las organizaciones. Sin embargo, aunque su adopción es cada mayor, la mayoría de empresas (un 87%) posee una implementación de Business Intelligence pobre o poco madura, según un informe de la consultora Gartner. Parte de ello se debe a que los procesos de modernización recaen en decisiones inadecuadas o ignoran factores fundamentales para los costes y productividad de la compañía. Denodo, compañía líder en virtualización de datos, ha resumido esos errores más comunes:
1- Falta de una visión estratégica y de colaboración interna: Las empresas deben definir el valor que los datos y los análisis aportan a la organización en su conjunto, y no solo a unas pocas unidades de negocio. Se debe elaborar una hoja de ruta clara con hitos definidos y umbrales de medición del rendimiento. Deberían también poner en marcha las estructuras correctas y los roles y habilidades necesarias e identificar si tiene sentido implementar desarrollos internos en lugar de externalizar las soluciones.Por eso, TI y Negocio deben estar alineados y superar sus preocupaciones y los catálogos de datos pueden ser un recurso perfecto para dar cabida a las preocupaciones de ambos grupos.
2- Infraestructura de BI inadecuada y arquitectura con soportes limitados: Muchas empresas intentan modernizar sus infraestructuras de BI a pesar de que su solución actual debería ya jubilarse. Además, en muchos casos su arquitectura de datos cuenta con soportes muy limitados: no garantiza la conectividad de fuentes de distintas ubicaciones o formatos (incluyendo soporte físico y la nube), no poseen una capa semántica común y no permiten un análisis en tiempo real. Por este motivo, deben apostar por una solución moderna capaz de aprovechar el trabajo de ML y PNL, con una capa virtual que facilite el acceso a todos los activos y que proporcione una visión holística en tiempo real de todos los datos integrados.
3- Insuficiente priorización del rendimiento: La BI se apoya en grandes cantidades de datos que provienen de multitud de fuentes y que pueden tener, a su vez diferentes latencias, ya sea por estar procesados por lotes o distribuirse en streaming o en tiempo real. En este contexto, el rendimiento de las herramientas de BI depende completamente de soluciones que aseguren que los datos estén disponibles en cualquier momento y bajo cualquier formato y no todas las modernizaciones pueden garantizarlo. Más allá de la infraestructura, la virtualización de datos permite mejorar el rendimiento gracias a que reduce el movimiento de datos y permite unir fuentes dispares de estos.
4- Falta de agilidad en la gobernanza de datos: La mayoría de las soluciones de BI carecen de mecanismos para identificar o clasificar datos personales sensibles. Además, la falta de agilidad del gobierno de datos hace que sea más difícil para diferentes departamentos colaborar entre sí. La virtualización de datos, en su arquitectura básica, proporciona capacidades integradas para facilitar el control porque no replica ni almacena datos de origen. Los metadatos se utilizan para crear vistas virtuales que quedan disponibles en el catalogo, permitiendo su búsqueda, linaje o auditoria.
5- No demostrar el Retorno de Inversión: Aunque no todo puede ser medido, el éxito de una modernización de BI depende del valor que aporta y del impacto que tiene sobre el negocio, por lo que las métricas para poder considerar su Retorno de Inversión (ROI) resultan fundamentales. Para calcular el ROI de una solución de BI se debe examinar el coste total de propiedad, pero éste no solo debe incluir los gastos de despliegue, implementación y escalado, sino también los de edición de los datos y los de formación de los empleados para utilizar la solución.
Con respecto a la modernización de Business Intelligence, José Andrés García, Responsable de Denodo en España y LATAM, explica: “En las últimas décadas, el Business Intelligence (BI) ha evolucionado desde grandes implementaciones controladas por IT (Como Business Objects o Cognos) hasta soluciones más pequeñas y ágiles que incluyen capacidades visuales de data discovery y gobierno de datos (Como Tableau, Qlick y otros). Estas nuevas capacidades proporcionan una accesibilidad analítica más democrática que los usuarios de negocio controlan cada vez más y en futuro no muy lejano, incorporarán las ventajas de la Inteligencia Artificial. Por eso, si las organizaciones se van embarcar en el esfuerzo de modernizar su BI, deberían aprender de las empresas que lo han hecho con éxito y, sobre todo, fijarse en aquellas que han fracasado y por qué”.
