Tecnología para la Inteligencia de Negocios (“BI” – Business Intelligence).

La vertiginosa evolución de la tecnología ha impactado todos los ámbitos de nuestras vidas, desde la salud, la educación y el entretenimiento hasta la agricultura, manufactura y todos los tipos de industria.

Prácticamente desde los 80´s la influencia de la tecnología ha sido incesante.

Desde la comercialización en Japón de la primera red celular en 1979 (1), la propagación de la red “Internet” en los años 80´s (2) y el lanzamiento del primer celular con conexión a Internet en 1996, el Nokia 9000 (3), quedaron fundados los cimientos sobre los cuales nacieron las actuales vertientes tecnológicas o mega-tendencias tecnológicas.

La mercadotecnia (5) impulsó la revolución tecnológica al introducir el concepto “Smart” (“Inteligente”) con el primer teléfono inteligente “Smarphone”, el celular Ericsson R380 (4) a tal grado que dio origen a un tsunami del “internet de las cosas” (IoT del inglés “Internet of Things”) que desencadenó la Cuarta Revolución Industrial o Industria 4.0, la transformación digital que generó el concepto “Smart”, “Smart Factory”, “Smart Things”, “Smart Home”, etc., etc.

Y ahora lo que se ha llamado “BI” del inglés “Business Intelligence” o Inteligencia de los Negocios o Inteligencia Empresarial.

Pero, ¿No basta el término de “Smart Factory” para incluir la “Inteligencia de los Negocios” ?, ¿Es la “Inteligencia de Negocios (BI)” otro concepto mercadológico para introducir otra clase de productos tecnológicos?

Para comenzar, ¿Qué es la “Inteligencia de Negocios” o BI?

Philip Fisher, fallecido inversionista, mundialmente reconocido por ser autor de uno de los libros más clásicos en la literatura sobre inversión bursátil “Common Stocks and Uncommon Profits”, menciona los factores principales (6) que él distinguía en una empresa para calificarla como “altamente atractiva” para la inversión y se pueden resumir como sigue:

Una empresa es atractiva porque opera con bajos costos y cuenta con los sistemas necesarios para identificar las oportunidades para reducir costos o incrementar los márgenes de utilidad.
Una empresa es atractiva porque cuenta con una estrategia de marketing poderosa, totalmente enfocada al cliente y que cuenta con los sistemas para lograr incrementar las ventas de manera consistente.
Una empresa es atractiva porque sabe innovar y crear nuevas oportunidades de negocio.

¿Se podría decir que estos tres factores definen una “Empresa Inteligente” equivalente a la “Inteligencia de Negocios”?

Veamos cómo la define Investopedia, una referencia muy popular para los conceptos de finanzas y negocios:

“La inteligencia comercial (BI) se refiere a la infraestructura técnica y de procedimientos que recopila, almacena y analiza los datos producidos por las actividades de una empresa. La inteligencia empresarial es un término amplio que abarca la extracción de datos, el análisis de procesos, la evaluación comparativa del rendimiento, el análisis descriptivo, etc. La inteligencia empresarial está diseñada para incorporar todos los datos generados por una empresa y presentar medidas y tendencias de rendimiento fáciles de digerir que informarán las decisiones de gestión.” (7).

Otra referencia muy citada hoy en día define:

“Se denomina inteligencia empresarial, inteligencia de negocios, al conjunto de estrategias, aplicaciones, datos, productos, tecnologías y arquitectura técnicas, los cuales están enfocados a la administración y creación de conocimiento sobre el medio, a través del análisis de los datos existentes en una organización o empresa. El término inteligencia empresarial se refiere al uso de datos en una empresa para facilitar la toma de decisiones. Abarca la comprensión del funcionamiento actual de la empresa, bien como la anticipación de acontecimientos futuros, con el objetivo de ofrecer conocimientos para respaldar las decisiones empresariales.” (8).

Definiciones bastante completas, pero en el afán de provocar la reflexión y la generación de ideas que sirvan para aplicar la tecnología con los mejores resultados posibles, es pertinente recordar al Profesor Detlef Rost, investigador alemán, quien define:

“La inteligencia es la habilidad para resolver nuevos problemas. Aprender de la experiencia y usar esa experiencia para resolver nuevos problemas”. (9)

Ahora integrando los conceptos de Philip Fisher y el Prof. Detlef Rost podemos formular otro tipo de preguntas:

¿Qué proceso es el más costoso? Y después de implementar una mejora o innovación, ¿Disminuyeron mis costos?
¿Cuál es el promedio de compra de mis clientes? Y después de mejorar o innovar la atención a mis clientes, ¿Se incrementó el promedio de compra de mis clientes?

Se puede notar que las preguntas ahora nos están sirviendo para aprender de la experiencia y de nuestros experimentos. El proceso parece trivial, pero en la realidad es extremadamente complicado.

Por ejemplo, imaginemos una empresa de manufactura con cientos de procesos y miles de insumos. O una empresa comercializadora con cientos de productos que se consumen a diario por miles de personas. Peor aún, imaginemos que la información está desperdigada en diversos sistemas con muy distintas bases de datos. ¡Es imposible manejar y analizar tal cantidad de datos de manera manual!

Tal es el reto de extraer información de valor para el negocio (debido a la gran diversidad de sistemas especializados que se usan en una misma empresa, la transformación digital que muchos procesos están experimentando, al internet de las cosas que avanza rápidamente, la automatización y los fenómenos en internet como las redes sociales), que manejar tal cantidad de datos es en sí misma una mega tendencia de la tecnología llamada “Big Data” (que se puede traducir como “macrodatos”).

El fenómeno de crecimiento de datos digitales es brutal que no solamente se escucha hablar de “Big Data”, sino también de “Data Mining” (traducido como “minería de datos”), “Analytics” (traducido como “análisis de datos”) o “NLP” (del inglés “Natural Language Processing”), “Machine Learning” o “AI”. Lo que finalmente termina por convertirse en un caldo de conceptos que se mezclan convirtiendo al BI (“Business Intelligence”) en una cosa nebulosa donde cada quien tiene su opinión al respecto de lo que es la tecnología BI.

Por lo anterior, es necesario tratar de identificar, ordenar o clasificar las herramientas tecnológicas que podemos utilizar en nuestras empresas. En este afán, se propone un ejemplo sencillo de dar la orden verbal a un Smartphone de “¡Tocar U2!” y aunque parece trivial, se pueden distinguir 3 grandes retos:

El reto de la comunicación. En éste ejemplo se usó el lenguaje verbal y el aire como medio para dar la orden al dispositivo (teléfono celular).
El reto de encontrar la información. En éste ejemplo, se estableció una interacción de tipo “orden-servicio”, donde el dispositivo detectó la orden como válida (comando) y la relacionó con un dato (una canción o un autor). Después, el programa del “smartphone” comenzó a buscar por la canción o el autor entre todos los álbumes (que llamaremos “base de datos”) hasta encontrar la canción o el autor igual a la que se ordenó.
El reto de analizar la información. En éste ejemplo, el “smartphone” realizó un análisis básico de buscar por una canción llamada U2 pero no la encontró. Lo que si encontró es la agrupación llamada U2, luego entonces seleccionó todas las canciones de dicha agrupación para después comenzar a tocarlas.

Así podemos distinguir hasta 4 clases de mega tendencias tecnológicas que juegan un papel preponderante en la “Inteligencia de los Negocios”:

Tecnologías del Lenguaje: Comprende todo el software de procesamiento del lenguaje natural (lenguaje verbal de los humanos), “NLP” (del inglés “Natural Language Processing”), pero también la tecnología para el reconocimiento facial y emocional del ser humano.
Tecnologías de Big Data: Comprende todo el software para manejar grandes cantidades de datos, provenientes de distintas fuentes no organizadas (por ejemplo, las redes sociales) (10) y que se generan con gran velocidad (por ejemplo, todos esos que se comienzan a generar en tiempo real con el internet de las cosas).
Tecnologías de Analytics: Comprende todo el software para extraer información significativa de los datos (“conocimiento”). La minería de datos o “Data Mining” puede clasificarse dentro de éste rubro, y por supuesto todo el software de Inteligencia Artificial (y subconjuntos de éste como “Machine Learning” o “Deep Learning”).
Tecnologías integrales de Inteligencia de los Negocios: En realidad, las empresas del ramo están integrando las tecnologías de Big Data, Analytics e Inteligencia Artificial para desarrollar soluciones más especializadas en la Inteligencia de los Negocios.

¿Entonces qué es la Tecnología para la Inteligencia de los Negocios?

Finalmente podemos definir la Inteligencia de los Negocios (abreviada “BI” del inglés “Business Intelligence”) como un conjunto de tecnologías que proveen información significativa, en tiempo real y en la “palma de la mano”, para aprender y tomar mejores decisiones en la gestión de los negocios.

Ejemplos de Tecnologías del Lenguaje:

Stanford’s Core NLP Suite, Natural Language Toolkit, Apache Lucene and Solr, Apache OpenNLP, GATE, Apache UIMA, TiMBL.

Se incluye la tecnología para el reconocimiento facial y emocional del ser humano:

Microsoft Azure, DeepFace, Noldus, NVISO, Affectiva, Kairos, SightCorp, SkyBiometry, FaceCognitiveServices.

Ejemplos de tecnologías de Big Data:

Apache Hadoop, CrowdEmotion, Text Emotions, Synesketch, Adoreboard, Domo, TeraData, Tibco, Panoply.

Ejemplos de tecnologías de Analytics:

IBM Watson Analytics, Apache Spark, Microsoft Azure, Oracle Analytics.

Tecnologías BI (que integran las tecnologías anteriores):

SISENSE, Microsoft Power BI, Tableau, Qlik, Tibco, SalesForce, ThoughtSpot, SAP BI, MicroStrategy, Looker.

Bibliografía: