6 errores comunes de Analítica Avanzada en las empresas

Son muchos los motivos que hace que tu inversión en analítica no sea un éxito. Por ello es importante conocer los errores comunes en analítica avanzada que cometen las empresas. Hazte estas preguntas: ¿Crees que tu proyecto de analítica avanzada resolverá todos los problemas de una vez? ¿Vas a embarcarte por moda, porque quieres un proyecto de Big Data y punto? ¿Tienes claro el objetivo o la necesidad? ¿Las iniciativas provienen solo del departamento de IT?

Mientras el Business Intelligence tradicional se basa en un modelo planificado de datos para construir KPIs, mostrados en Dashboards, y explicar los problemas siempre desde la misma perspectiva, a través de las aplicaciones de analítica avanzada abordaremos problemas específicos, con las fuentes de datos que sean necesarias en cada momento, construyendo modelos matemáticos y estadísticos adaptados al problema concreto.

Para que un proyecto de analítica avanzada tenga éxito es necesario observar siempre una serie de factores críticos:

• Que ya exista un elevado nivel de madurez en la implantación actual de Business Intelligence (ya os hablamos anteriormente de en cómo estructurar un departamento de Business Intelligence).
• Que podamos asegurar la calidad de la información.
• Que exista en la organización una cultura basada en la gestión por indicadores.
• Que los proyectos se esponsoricen desde el nivel estratégico de la organización, con objetivos claros de negocio y fuerte implicación del resto de departamentos.
• Y por último, al tratarse de proyectos con un alto componente creativo, se requiere de un equipo de trabajo muy cualificado, cohesionado y colaborativo.

6 errores comunes en analítica avanzada en las empresas

Pero durante todos estos años, nos hemos dado cuenta de una serie de errores comunes que todas las empresas deben evitar ¿tomas nota?

1. Hacer recopilación masiva de datos antes de conocer la necesidad, en algunos casos “recopilándolo todo, por si acaso”, lo que provoca una especie de «Síndrome de Diógenes” de costosa gestión y sin sentido alguno.
2. Mantener la confusión de conceptos de big data, data science, analítica avanzada, etc. En nuestro último post Analítica Avanzada: 6 aplicaciones reales para las empresas ya hemos aclarado la diferencia.
3. Desconocer el objetivo o la necesidad y plantear la iniciativa como “quiero hacer un proyecto de Big data”
4. Que la iniciativa provenga exclusivamente del departamento de IT. Es claro que, en la era de la trasformación digital, un departamento IT -representado en la figura del CIO- ha de ser un aliado estratégico de la Dirección general y hacer propuestas de valor basadas en una permanente vigilancia tecnológica y la adecuada cualificación de sus miembros en conocimientos y habilidades, pero estas iniciativas han de estar alineadas con los objetivos y necesidades corporativos de los departamentos funcionales, y la implicación de éstos es absolutamente necesaria.
5. Considerar que el proyecto soluciona todos los problemas de una vez, o es de una eficacia predictiva “infalible”. Hay que contemplar la inversión en proyectos de analítica avanzada como una inversión similar a la de un departamento de I+D y asumir las limitaciones de cualquier predicción, procurando -eso sí- que sea mejor que la de nuestros competidores
6. Basar la construcción de modelos en ideas preconcebidas, producto de una “herencia recibida”, tal como la experiencia, los usos clásicos, la formación en “técnicas infalibles”, etc.