Business Analytics es la aplicación práctica de análisis estadístico y tecnologías sobre datos comerciales para identificar tendencias y predecir resultados comerciales.

La firma de investigación Gartner define la analítica de negocios (business analytics) como “soluciones utilizadas para construir modelos de análisis y simulaciones para crear escenarios, comprender realidades y predecir estados futuros”.

Analítica de negocios vs. analítica de datos

La analítica de negocios es un subconjunto de la analítica de datos. Éste último se utiliza en todas las disciplinas para encontrar tendencias y resolver problemas mediante la minería de datos, la limpieza de datos, la transformación de datos, el modelado de datos y más. La analítica de negocios también implica la extracción de datos, la analítica estadística, el modelado predictivo y similares, pero se centra en impulsar mejores decisiones comerciales.

Analítica de negocios vs. Inteligencia de Negocios (BI)

La analítica de negocios y la Inteligencia de Negocios (BI) tienen propósitos similares y, a menudo, se utilizan como términos intercambiables, pero la BI puede considerarse un subconjunto de la primera. BI se centra en el análisis descriptivo, la recopilación de datos, el almacenamiento de datos, la gestión del conocimiento y el análisis de datos para evaluar los datos comerciales anteriores y comprender mejor la información conocida actualmente. Mientras que BI estudia datos históricos para guiar la toma de decisiones comerciales, la analítica de negocios trata de mirar hacia el futuro. Utiliza minería de datos, modelado y aprendizaje automático para responder “por qué” sucedió algo y predecir lo que podría suceder en el futuro.

Técnicas de analítica de negocios

Según Harvard Business School Online, existen tres tipos principales de analítica de negocios:

1. Analítica descriptiva: ¿Qué está pasando en su negocio en este momento? El análisis descriptivo utiliza datos históricos y actuales para describir el estado actual de la organización mediante la identificación de tendencias y patrones. Este es el ámbito de BI.
2. Análisis predictivo: ¿Qué es probable que suceda en el futuro? El análisis predictivo es el uso de técnicas como el modelado estadístico, la previsión y el aprendizaje automático para hacer predicciones sobre resultados futuros.
3. Analítica prescriptiva: ¿Qué debemos hacer? El análisis prescriptivo es la aplicación de pruebas y otras técnicas para recomendar soluciones específicas que brindarán los resultados comerciales deseados.

La empresa de capacitación en habilidades digitales Simplilearn agrega una cuarta técnica :

4. Análisis de diagnóstico: ¿Por qué está sucediendo? El análisis de diagnóstico utiliza técnicas de análisis para descubrir los factores o razones del desempeño pasado o actual.

Beneficios de la analítica de negocios

Simplilearn afirma que el análisis empresarial puede ayudar a su negocio de seis maneras:

1. Mejorar la eficiencia operativa a través de las actividades diarias.
2. Ayudándole a entender a sus clientes con mayor precisión.
3. Proporcionar visualizaciones de datos que ofrecen proyecciones para resultados futuros.
4. Proporcionar información para ayudar en la toma de decisiones y la planificación para el futuro.
5. Medir el rendimiento e impulsar el crecimiento.
6. Descubrir tendencias ocultas, generar clientes potenciales y ayudarlo a escalar su negocio en la dirección correcta.

Ejemplos de analítica de negocios

Microsoft impulsa la colaboración

A partir de 2016, el grupo de análisis del lugar de trabajo de Microsoft trabajó con la empresa de bienes raíces comerciales CBRE para estudiar cómo el espacio de trabajo físico fomenta la colaboración. Basó su nuevo diseño de lugar de trabajo en los conocimientos del proyecto de análisis. Microsoft estima que los cambios que realizó como resultado ahorraron un total de 100 horas de trabajo por semana en 1,200 empleados, lo que a su vez generó un ahorro de costos estimado de 520,000 dólares por año en el tiempo de los empleados y una mayor colaboración dentro de los equipos.

Uber mejora la atención al cliente

En 2018, Uber creó Customer Obsession Ticket Assistant (COTA), una herramienta que aprovecha el aprendizaje automático y las técnicas de procesamiento de lenguaje natural para ayudar a sus agentes a brindar una mejor atención al cliente. Las versiones posteriores utilizarían el aprendizaje profundo y las pruebas A/B para mejorar aún más el COTA. A través de las pruebas A/B, la empresa determinó que implementar la versión 2 de COTA mejoraría el servicio al cliente y ahorraría millones de dólares al agilizar el proceso de resolución de tickets.

Blue Apron pronostica pedidos

Blue Apron utiliza análisis predictivos para pronosticar la demanda de sus kits de comida para optimizar el inventario y reducir el deterioro, así como para optimizar la dotación de personal al determinar cuánto personal necesitará para enviar la mercancía.

Herramientas de la analítica de negocios

Los profesionales de análisis de negocios deben dominar una variedad de herramientas y lenguajes de programación. Según el programa Harvard Business Analytics, las principales herramientas para los profesionales de análisis empresarial son:

• SQL es la lengua franca de la analítica de datos. Los profesionales de la analítica de datos utilizan consultas SQL para extraer y analizar datos de bases de datos de transacciones y desarrollar visualizaciones.
• Lenguajes estadísticos. Los profesionales de la analítica de negocios suelen utilizar R para el análisis estadístico y Python para la programación general.
• Software estadístico. Los profesionales de la analítica de negocios utilizan con frecuencia software como SPSS, SAS, Sage, Mathematica y Excel para administrar y analizar datos.

Componentes del tablero de analítica de datos

Según la empresa de plataformas de análisis OmniSci, los componentes principales de un tablero de análisis de negocios típico incluyen:

• Agregación de datos. Antes de poder analizarlos, los datos deben recopilarse, organizarse y filtrarse.
• Procesamiento de datos. La minería de datos clasifica grandes conjuntos de datos utilizando bases de datos, estadísticas y aprendizaje automático para identificar tendencias y establecer relaciones.
• Asociación e identificación de secuencias. Deben identificarse las acciones predecibles que se realizan en asociación con otras acciones o secuencialmente.
• Extracción de textos. La minería de texto se utiliza para explorar y organizar grandes conjuntos de datos no estructurados para el análisis cualitativo y cuantitativo.
• El pronóstico analiza los datos históricos de un período específico para hacer estimaciones informadas que predicen eventos o comportamientos futuros.
• Analítica predictiva. La analítica de negocios predictiva utiliza una variedad de técnicas estadísticas para crear modelos predictivos que extraen información de conjuntos de datos, identifican patrones y proporcionan una puntuación predictiva para una variedad de resultados organizacionales.
• Una vez que se han identificado las tendencias y realizado las predicciones, se pueden utilizar técnicas de simulación para probar los mejores escenarios.
• Visualización de datos. La visualización de datos proporciona representaciones visuales de tablas y gráficos para una analítica de datos fácil y rápida.

Salarios de análisis de negocios

Estos son algunos de los títulos de trabajo más populares relacionados con análisis de negocios y el salario promedio para cada puesto, según datos de PayScale en Estados Unidos (cifras en miles de dólares):

• Gerente de análisis: $ 68K- $ 127K
• Analista de negocios: $46K-$82K
• Analista de negocios, TI: $ 50K- $ 98K
• Analista de inteligencia comercial: $ 50K- $ 95K
• Analista de datos: $43K-$85K
• Analista de investigación de mercado: $41K-$75K
• Analista de investigación de operaciones: $49K-$122K
• Analista cuantitativo: $58K-$131K
• Analista senior de negocios: $63K-$115K
• Estadístico: $50K-$108K

Thor Olavsrud, CIO.com