Finalmente, la adopción de BI está a punto de romper una barrera

Beneficios de la adopción de BI

En teoría, una decisión mejor informada producirá mejores resultados que una tomada por instinto. Y, en teoría, cuantas más decisiones bien informadas tome una organización, más crecimiento experimentará.

En 2020, un estudio realizado por Harvard Business Review y encargado por ThoughtSpot confirmó precisamente eso. El informe resultante se titulaba "Los nuevos tomadores de decisiones: Equipar a los trabajadores de primera línea para el éxito". En él se afirmaba que casi tres cuartas partes de las empresas encuestadas que declararon haber proporcionado a los empleados de primera línea las herramientas y la formación necesarias para realizar análisis de autoservicio y la autoridad para tomar decisiones experimentaron un aumento de la productividad.

Además, las organizaciones que declararon haber dotado a sus empleados de herramientas de análisis de autoservicio, formación adecuada y poder para tomar decisiones por sí mismos fueron las que más probabilidades tuvieron de experimentar un crecimiento anual de ingresos superior al 10 %. Sin embargo, solo una quinta parte de las empresas encuestadas había ampliado las herramientas analíticas a sus empleados y les permitió tomar decisiones basadas en datos.

Mientras tanto, la importancia de la toma de decisiones basada en datos no ha hecho más que aumentar en los tres años transcurridos desde que HBR publicó su informe.

Empezando por el inicio de la pandemia de COVID-19 en marzo de 2020, y continuando con las repetidas interrupciones de la cadena de suministro, la guerra en curso en Ucrania y la posibilidad de una recesión, la toma de decisiones ágil nunca ha sido más importante. Los análisis de autoservicio pueden generar esa agilidad necesaria.

"[Las organizaciones] tienen que superar la barrera de que todo el mundo en una organización –más o menos– está obligado a tomar decisiones basadas en datos", afirmó Krishna Roy, analista de 451 Research. "Tomar decisiones usando solo el instinto visceral y la experiencia, aunque sigue siendo importante, necesita estar informado por los datos que respaldan esas decisiones".

Del mismo modo, Howson subrayó la importancia de confiar la toma de decisiones no solo a los analistas de datos. "En esta economía digital –y volátil– necesitamos más empresarios que tomen decisiones basadas en datos sin recurrir a un analista de datos", contó.

De hecho, Howson señaló que los expertos en datos escasean, incluso con la oleada de despidos tecnológicos recientes. Las organizaciones, por tanto, necesitan actuar y reaccionar sin depender únicamente de los científicos y analistas de datos.

La alternativa a la analítica de autoservicio es un equipo de datos centralizado que supervise todos los aspectos de las operaciones de datos de una organización. Esto ha demostrado ser ineficaz. Mientras que un usuario empresarial que realiza sus propias consultas y análisis puede tomar una decisión inmediata basada en sus hallazgos, pueden producirse largos retrasos cuando todas las solicitudes de consulta y análisis se envían a un pequeño grupo de empleados.

Los equipos de datos siguen siendo necesarios para gestionar los datos –integrarlos y prepararlos para el análisis– y para implantar y supervisar los marcos de gobernanza de datos. También son necesarios para construir modelos de datos y realizar análisis profundos basados en ciencia de datos que están más allá de las capacidades de un usuario empresarial. Pero su principal responsabilidad no deberían ser las decisiones empresariales ordinarias que pueden tomarse con herramientas de BI fáciles de usar. Para conseguir la agilidad necesaria para gestionar la incertidumbre mientras se compite con los compañeros, el uso de la analítica debe generalizarse.

"Seguimos queriendo expertos en datos, pero también queremos que todos los demás sean capaces de tomar decisiones basadas en hechos y no solo en intuiciones y corazonadas", indicó Howson. "El número de preguntas que tienen [las organizaciones] supera la capacidad de respuesta de esos expertos en datos".

Atrapados en el limbo

Muchas organizaciones han reconocido las ventajas de la adopción de BI y los beneficios de ampliar ese uso más allá de un pequeño equipo de expertos en datos.

La tecnología, por su parte, ha avanzado para incluir capacidades de sin código/bajo código y funciones de inteligencia aumentada, como el procesamiento del lenguaje natural (PLN), que aparentemente la hacen accesible a una amplia gama de usuarios potenciales.

Y, sin embargo, el uso de la analítica sigue estancado.

Una de las principales razones es la tecnología, a pesar de los avances dirigidos a facilitar su uso. Si el objetivo es generalizar el uso de la analítica, la mayoría de las plataformas de BI están diseñadas para el público equivocado, según Menninger. "Estamos atascados porque creo que hemos intentado resolver el problema equivocado", refirió. "Las herramientas de análisis se han diseñado para los analistas. Pero los analistas no constituyen la mayoría de la mano de obra. Los analistas son solo el 25 %, más o menos, de cualquier organización; elija una cifra, pero no es toda la plantilla".

Del mismo modo, Ajenstat señaló que la mayoría de las plataformas de BI –incluso las que han añadido herramientas destinadas a permitir el análisis de autoservicio– están construidas para los analistas de datos y no para los usuarios de negocio. "Hay gente cuyo trabajo son los datos, y hay otra gente cuyo trabajo no son los datos, pero que puede enriquecerse con ellos", dijo. "Gran parte de la tecnología y la innovación se ha centrado en esa primera cohorte".

Incluso Tableau, que se construyó sobre la premisa de ayudar a la gente a ver y entender los datos y fue uno de los pioneros del BI de autoservicio, no hace automáticamente accesible a todos el uso de la analítica. Con su énfasis en la visualización de datos, Tableau –junto con Power BI de Microsoft y Qlik– abrió la exploración de datos más allá de los expertos en datos, señaló Ajenstat.

Pero la capacidad de analizar datos y tomar decisiones basadas en ellos no se limita a solo ver los datos. Para que plataformas como Tableau y similares tengan sentido, hay que educar sobre los datos, no enseñar a utilizar las distintas tecnologías.

Además, las plataformas de BI siguen obligando en gran medida a los usuarios a abandonar su flujo de trabajo y a comprometerse con sus datos en un entorno de BI dedicado. "Todo empieza cuando alguien tiene curiosidad por los datos y quiere explorarlos", afirmó Ajenstat. "Tenemos la visión de que habrá más creadores. Y la forma de hacerlo es centrarse en enseñar a la gente habilidades de datos".

Más allá de la tecnología, tanto el costo como la cultura han frenado a las organizaciones, según Howson.

Muchos proveedores cobran por usuario, como Microsoft, Qlik y Tableau. Esto puede suponer un costo elevado cuando una empresa quiere habilitar al mayor número posible de usuarios. Un cambio en todo el sector hacia la fijación de precios por capacidad basados en las necesidades de la organización o hacia modelos basados en el consumo que cobren solo por el uso real podría ayudar a aliviar algunos de los gastos, señaló Howson.

Tanto los modelos de precios basados en la capacidad como los basados en el consumo siguen requiriendo la fijación de presupuestos, pero en general suman menos que los precios por usuario.

Mientras tanto, la cultura organizacional ha obstaculizado la adopción de BI por parte de más empleados, continuó Howson.

Las organizaciones que no suelen confiar en sus empleados suelen querer mantener un control estricto de sus datos. Además, las organizaciones que no confían en la facilidad de uso de las herramientas de análisis suelen ser reacias a dejar que los empleados trabajen libremente con los datos. "Si una organización tiene una cultura de miedo y falta de transparencia, no quiere que todo el mundo tenga acceso a los datos. Quiere controlar la narrativa", dijo Howson. "Pero, como sector, hemos cometido errores que han hecho que los empresarios tengan miedo a los datos porque les hemos enseñado herramientas difíciles de usar. Tenemos que cambiar eso. Tenemos que dejar de dedicar tanto tiempo a enseñar las herramientas y enseñar los datos".

Abrirse camino

Pero un gran avance está cerca en la adopción de BI, según los expertos. La fórmula existe, también la tecnología y algunas organizaciones ya lo han conseguido. Según Ajenstat, la fórmula es una combinación de personas, procesos y productos.

Las personas y el proceso se reducen a la implicación de la organización, que debe empezar en la parte más alta, con la alta dirección, e ir descendiendo. También incluye marcos de gobernanza de datos que no se perciban como limitaciones al uso de datos, sino como facilitadores del uso de datos, y una inversión en alfabetización de datos. "Es producto, personas y proceso. Y todos tienen que ir de la mano", declaró Ajenstat.

El producto, por su parte, no se limita a añadir funciones que faciliten su uso. También se trata de dirigirse a los usuarios empresariales en lugar de a los analistas de datos y de cómo se presentan los datos a esos usuarios empresariales y cómo ellos los consumen, continuó Ajenstat.

En lugar de obligar a los consumidores de datos a alternar entre sus aplicaciones de trabajo normales y un entorno de BI, la BI debe integrarse en esas aplicaciones de trabajo y aparecer cuando los usuarios la necesiten. "Tiene que haber un cambio tecnológico", afirmó Ajenstat. "Mucha gente no quiere recurrir a una herramienta de BI. La información debe integrarse en el lugar y la forma en que trabajan y aparecer en ese contexto para apoyar el trabajo que tienen. La herramienta de BI tiene que venir a ellos".

Del mismo modo, Roy citó la necesidad de que cambie una combinación de factores antes de que la adopción de BI pueda aumentar en la mayoría de las organizaciones, incluida la necesidad de hacer hincapié en la analítica integrada. "La funcionalidad de BI debe residir en más de las aplicaciones que los individuos de negocios utilizan todos los días para que no se vean obligados a aprender un nuevo producto de BI", dijo. "Las organizaciones necesitan una cultura de datos, que exige la alfabetización de datos, para que todos los individuos puedan entender los datos y se sientan cómodos usándolos para tomar decisiones basadas en datos".

Además de la analítica integrada, la PNL es una tecnología que contribuirá a generalizar el uso de la analítica en las organizaciones, según Howson. La PNL permite a los usuarios consultar y analizar datos sin escribir código, permitiéndoles escribir preguntas de búsqueda y recibir respuestas en lenguaje natural. ThoughtSpot, de hecho, construyó su plataforma en torno a la búsqueda en lenguaje natural desde su creación en 2012. Otras plataformas, como Amazon QuickSight, Tableau y Yellowfin, también cuentan con herramientas de consulta en lenguaje natural.

"Búsqueda e inteligencia artificial, envueltas en una facilidad de uso para el consumidor", dijo Howson cuando se le preguntó qué tecnología se necesita para ampliar el uso de la analítica.

Menninger también mencionó la importancia del PLN como medio para que las organizaciones amplíen el uso de la analítica. Pero eso solo se refiere a la facilidad de uso, señala. La analítica también debe adaptarse a las necesidades de los consumidores de datos, haciendo la analítica integrada igualmente importante. "La forma de ir más allá del 25 % es adaptar la analítica a funciones laborales específicas, integrarla en aplicaciones y facilitar su uso", afirmó. "Por tanto, los dos ejes principales son la analítica integrada y el procesamiento del lenguaje natural. El PLN facilita el acceso a la analítica y la analítica integrada lleva la analítica a las funciones de la línea de negocio".

De hecho, hay organizaciones que han descifrado el código y presumen de un uso de la analítica más allá del 25 % o 35 % de su plantilla. Según Howson, ThoughtSpot tiene clientes como Vanguard y Schneider Electric que cuentan con más de un 75 % de empleados que utilizan los datos como parte de su flujo de trabajo normal.

Del mismo modo, Ajenstat dijo que Tableau tiene clientes que se acercan al ideal del 100 % de penetración de BI. La mayoría de esas empresas son compañías tecnológicas que utilizan los datos para informar todos los aspectos de su organización. Pero incluso una empresa más tradicional como Jaguar Land Rover cuenta con más del 70 % de sus empleados que utilizan los datos de forma sistemática.

Perspectivas del uso de la analítica

La fórmula para ampliar la adopción de BI ya se ha descubierto. Requiere un cambio tanto por parte de los proveedores de BI, como de las organizaciones que utilizan las herramientas de los proveedores.

Desde el punto de vista del proveedor, hay que empezar por dirigirse a una amplia base de usuarios empresariales en lugar de a un grupo más reducido de analistas. También incluye proporcionar herramientas que permitan a las organizaciones integrar los datos en los flujos de trabajo normales de los empleados y una IA que facilite su uso.

Desde el punto de vista de la organización, es necesaria la implicación de la cúpula directiva, lo que se traduce en un cambio cultural y en la formación en alfabetización de datos, no solo sobre las herramientas que se han implementado, sino también sobre el significado de los propios datos.

Dado que algunas organizaciones ya han ampliado el uso de la analítica mucho más allá de una cuarta parte de su plantilla, la posibilidad de un avance más generalizado es quizá inminente. Howson señaló que ya lo está viendo entre los clientes de ThoughtSpot. A medida que más proveedores y organizaciones descubran cómo generalizar el uso de BI, espera un avance más generalizado en el sector. "En los próximos dos o tres años, empezará a burbujear", afirmó.

Ajenstat también espera que se produzca un avance relativamente pronto. Quizá no lo haya en los próximos años, pero, a medida que el consumo de datos se aleje de un entorno de BI específico y se asemeje más al consumo de noticias en un sitio web o en algún otro formato de fácil uso, y a medida que tecnologías como ChatGPT simplifiquen el uso de los datos, el uso de la analítica aumentará drásticamente.

"Creo que en esta década se producirán grandes avances", afirma Ajenstat. "Veo un futuro en el que los datos sean tan fáciles de consumir como el New York Times. Imagínese que se conecta y ve lo que ocurre en su empresa del mismo modo que ve los titulares y las secciones. Será sencillo y comprensible. Será más humano y accesible".

Según Menninger, cuando se produzca el gran avance, el uso de la analítica no explotará de golpe. La adopción de BI no se hará omnipresente de repente. Por el contrario, se producirá gradualmente, en un proceso que está empezando ahora. "No será un tsunami porque tiene que ser un esfuerzo de base, con cada una de las aplicaciones con las que la gente trabaja siendo modificada", dijo Menninger. "No es que un proveedor o una organización pueda resolver todo el problema. Pero empezará a suceder, más o menos, de inmediato. Ya está ocurriendo".

Él señaló que algunos proveedores, como Oracle y SAP, están rediseñando sus plataformas analíticas basadas en la nube para hacerlas totalmente integrables, un proceso que llevará un par de años. Si estos grandes proveedores se ponen manos a la obra, otros les seguirán. El resultado será una adopción más generalizada de BI, tal vez superando el 50 % en tres años y subiendo por encima del 75 % en otros tres años, predijo Menninger. "Soy optimista", afirma.

Eric Avidon es redactor jefe de TechTarget Editorial. Se ocupa de análisis y gestión de datos.