A diario, los directivos y dueños de las empresas toman decisiones que tienen impacto en sus negocios, por lo que, al incorporar la analítica en sus procesos, pueden tomar mejores decisiones, incluso cuando se tienen que evaluar miles o millones de alternativas como parte de una actividad cotidiana.

Sin embargo, aun cuando muchas organizaciones crean modelos analíticos efectivos, la mayoría no se liberan formalmente en procesos productivos, ya que el 90% de los modelos tarda más de tres meses en implementarse y de éstos, el 44% toma más de siete meses en ponerse en producción.

Lo anterior se debe principalmente a que las empresas a menudo carecen de un proceso estructurado para coordinar recursos entre analítica, TI y el negocio.

El éxito en el desarrollo e implementación de las iniciativas analíticas empresariales requiere que se tengan propósitos claros, una alineación con los objetivos del negocio, una adecuada captura y calidad de datos, una gestión y mejoramiento continuo de los modelos analíticos desarrollados y, no menos importante, la operacionalización o puesta en producción de los modelos para impulsar el proceso de decisiones en las diferentes áreas de negocio.

El anglicismo “operacionalización” –que no existe formalmente en el diccionario de la lengua española y se deriva de la palabra inglesa operationalization– se le define como “un proceso mediante el cual se describen estrictamente las variables de un fenómeno para poder explicarlas a partir de factores medibles”.

Para el caso de los proyectos de analítica, la medición de los factores de éxito debe hacerse a lo largo de todo el ciclo de vida del proceso, desde la captura de los datos hasta la puesta en producción de los modelos y los resultados que se obtienen.

¿Y cuando no se obtienen los resultados esperados?

Si bien las organizaciones han estado invirtiendo dinero en iniciativas de análisis durante años, muy pocas están viendo buenos resultados porque se estancan en la implementación, con modelos que no están llegando a la producción. Para permitir decisiones basadas en datos a escala, el ciclo de vida analítico debe ser altamente operativo y estar conectado a un proceso de toma de decisiones.

En este sentido, acelerar y escalar el ciclo de vida de la analítica requiere la colaboración entre los equipos de TI y los equipos de análisis, que se logra a través de un enfoque que desarrolla e implementa modelos analíticos de manera fluida, eficiente y continua.

El valor real del uso de la analítica a nivel empresarial reside en las decisiones que se toman a partir del uso de modelos y en los resultados obtenidos para el negocio.

En la mayoría de las empresas, cuando se habla de optimizar las decisiones a partir de la analítica, no son precisamente las decisiones estratégicas ni las tácticas las que se requieren automatizar, sino las operacionales y transaccionales, ya que en éstas últimas se encuentra el volumen más alto y es donde la automatización y ‘operacionalización’ de la analítica generan más valor, lo que da como resultado que los modelos analicen grandes cantidades de información para las cuales un ejército de personas no se daría abasto.

El éxito de la ‘operacionalización’ se logra cuando es posible combinar la inteligencia de los modelos analíticos con el conocimiento del negocio expresado en reglas, para consolidar la automatización de decisiones operativas y transaccionales, en otras palabras, cuando se encuentra la manera de llevar los modelos analíticos al mundo real.

Por Rubén Valdovinos, Director de Preventas en SAS México