Doctor Data Research - Data Science and Business Intelligence

Data Science and Business Intelligence

Ing. Rubén Darío Estrella, MBA – MSM – BSc – Cavaliere

Cavaliere dell’Ordine al Merito della Repubblica Italiana

Executive and Master Expert in Management–Business Sciences, Financial Management, Internal Controls, Risk Management, Data Sciences-BI, Mathematical–Statistical Models and Research, PMP, ISO 9001 Lead Auditor/ISO 19011/ISO31000 ERM/Lead Auditor ISO37001/ISO37301/ISO21001/COSO/Design, Development and Organizational Culture

Hoy más que nunca estamos más conectados con personas y dispositivos, tenemos acceso a más redes y servicios, y sin duda consumimos y producimos mayores cantidades de datos e información. Por lo que requerimos contar con las habilidades, conocimientos, experiencias y técnicas de los científicos de datos para procesar, analizar y visualizar de formas más inteligentes los datos en información, promoviendo así, más y mejores conocimientos de nuestra realidad en sus contextos. Salinas, J. G. M. (2017)

En el mundo de negocios, la diferencia entre un ambiente de incertidumbre, indecisión y lentitud, y un mundo de rapidez, decisiones acertadas, flexibilidad y éxito, radica en el conocimiento.  Sólo la verdadera información puede llevarnos a conseguir el conocimiento dinámico para la acción efectiva, clave del éxito empresarial.  El gran valor de las infraestructuras y modelos de información radica en la posibilidad de tomar decisiones rápidas y seguras que lleven a la acción exitosa.  

Gestionar la información en las empresas es una herramienta clave para poder sobrevivir en un mercado cambiante, dinámico y global.  Aprender a competir con esta información es fundamental para la toma de decisiones, el crecimiento y la gestión de nuestra empresa.  La disciplina denominada Business Intelligence nos acerca a los sistemas de información que nos ayudan a la toma de decisiones en nuestra organización.

Inteligencia de Negocio, o Business Intelligence BI, es el conjunto de metodologías, aplicaciones y tecnologías que usa la empresa, que permiten reunir, depurar y transformar datos de los sistemas transaccionales e información desestructurada en información estructurada para su explotación directa o para su análisis y conversión en conocimiento de soporte a la toma de decisiones sobre el negocio en su conjunto.

Data Science o Ciencia de Datos es una diciplina independiente e interdisciplinar que utiliza los métodos científicos, la estadística, la minería de datos, el aprendizaje automático y la analítica predictiva.  Se basa en las técnicas que, además de rea­lizar un análisis descriptivo, posibilitan anticipar o predecir sucesos futuros (análisis predictivo) e incluso prescriptivos.

La ciencia de datos es una disciplina emergente y de gran pertinencia para todas las organizaciones que deseen codificar el valor oculto e intangible de sus datos.

Baeza, E. O., & Sabater, V. L. (2018). La Economía de los Datos: Riqueza 4.0. Lectura Plus.

Salinas, J. G. M. (2017). Científico de datos: codificando el valor oculto e intangible de los datos. Revista Digital Universitaria, 18(7).

Los científicos de datos trabajan en todas las industrias y hacen frente a los grandes proyectos de datos en todos los niveles. Pueden provenir de: ingenieros de sistemas, matemáticos, estadísticos, físicos, sociólogos y psicólogos, diseñadores gráficos, especialistas en visualización de la información y especialistas en interacciones hombre-máquina y otros. Se dedican a la ciencia de datos, con una mezcla de estadísticos, informáticos y pensadores creativos que recopilan, procesan y extraen valor de las bases de datos.   Poseen la competencia de saber analizar y encontrar datos con significado​.  Imaginación para comprender, visualizar y comunicar sus conclusiones a los no científicos de datos.

Hernández, H. M., Mass, R. C. O., & Pérez, L. M. Z. (2016). Inteligencia de los negocios. Clave del éxito en la era de la información. Clío América, 10(20), 194-211.

Dato – Información – Conocimiento

Los datos son la mínima unidad semántica, y se corresponden con elementos primarios de información que por sí solos son irrelevantes como apoyo a la toma de decisiones. También se pueden ver como un conjunto discreto de valores, que no dicen nada sobre el porqué de las cosas y no son orientativos para la acción.

La información se puede definir como un conjunto de datos procesados y que tienen un significado (relevancia, propósito y contexto), y que por lo tanto son de utilidad para quién debe tomar decisiones, al disminuir su incertidumbre.

El conocimiento es una mezcla de experiencia, valores, información y know-how que sirve como marco para la incorporación de nuevas experiencias e información, y es útil para la acción. Se origina y aplica en la mente de los conocedores. (Davenport & Prusak, L., 1999). Actividad por medio de la cual adquirimos la certeza de que existe una realidad; de que el mundo circundante existe y está dotado de características que no ponemos en duda. Méndez Álvarez, C. E. (1995).

De Francisci, Stefano, Data Science and its Role in Big Data Analytics. EuroStat

Fuentes de Datos

ERP (Enterprise Resource Planning): también conocido como “sistemas de planificación de recursos empresariales”, es una herramienta integrada dentro de una empresa y que está considerada como una de las principales fuentes de datos ya que integra todos los procesos de negocios relativos a una empresa u organización. Un ERP facilita el flujo de información de forma que las decisiones se tomen basándose en los datos.

CRM (Customer Relationship Management): también conocido como “gestión de relaciones con los clientes”, es una herramienta integrada dentro de una empresa que ayuda a organizar vínculos y que, al igual que el ERP, es considerada como una de las fuentes de información principales para la inteligencia de negocios. Aporta datos relacionados con los clientes de forma que se optimicen recursos.

Bases de datos: Las bases de datos son sistemas que almacenan grandes cantidades de información y que, además, cuentan con la característica de que son datos estructurados, por lo que el análisis de los mismos se vuelve una tarea sencilla, aportando una mayor certeza a la hora de tomar decisiones.

Redes Sociales: Las redes sociales se han convertido en una fuente de datos potencial para las organizaciones ya que, la integración de estas junto con los otros sistemas como los ERP, permite a las empresas tener una mayor visión de quiénes son sus consumidores, además, permiten tener información en tiempo real acerca de múltiples cuestiones: • Satisfacción con el cliente (capacidad de respuesta y personalización). • Mensajes altamente dirigidos y precisión de los datos. • Monitorizar la competencia y desarrollar nuevas estrategias.

BSC (Balance Score Card) – Cuadro de Mando Integral CMI

EIS (Executive Information System)

Internet of Events (IoE) – Todos los datos disponibles en Internet

Internet of the Content (IoC): Es toda la información creada por los seres humanos para aumentar el conocimiento sobre temas particulares.  Incluye página web tradicionales, enciclopedias como Wikipedia, YouTube, libros electrónicos, noticias, etc.

Internet of the People (IoP): Son todos los datos relacionados con la interacción social, es decir, correo electrónico, Facebook, Twitter, foros.

Internet of Things (IoT): Son todos los objetos físicos conectados a la red. Son todas las cosas que tienen una identificación única y una presencia en una estructura similar a Internet.  Las cosas pueden tener una conexión a Internet o estar etiquetados usando identificación por radio frecuencia (RFID), proximidad a campos de comunicación (NFC).

Internet of the Locations: Refiere a todos los datos que tienen una dimensión espacial.  Con la adopción de dispositivos móviles (por ejemplo, teléfonos inteligentes) cada vez más eventos tienen atributos geoespaciales.

Salinas, J. G. M. (2017). Científico de datos: codificando el valor oculto e intangible de los datos. Revista Digital Universitaria, 18(7).

Metodología Fundamental de la Ciencia de Datos

Etapa 1: Comprensión del Negocio

Etapa 2: Enfoque Analítico

Etapa 3: Requisitos de Datos

Etapa 4: Recopilación de los Datos

Etapa 5: Comprensión de los Datos

Etapa 6: Preparación de los Datos

Etapa 7: Modelado

Etapa 8: Evaluación

Etapa 9: Implementación

Etapa 10: Retroalimentación

Analytics, I. B. M. (2015). Metodología Fundamental para la Ciencia de Datos.

Modelos Predictivo – Descriptivo – Prescriptivo o de Decisón

Modelo Predictivo Utiliza datos históricos y actuales, en tiempo real, para determinar patrones y evaluar las probabilidades de determinados comportamientos.  Por ejemplo., evaluar el comportamiento de los clientes y adelantar las probabilidades de que muestren un comportamiento especifico en el futuro.

Modelo Descriptivo Estudia las relaciones entre los datos para clasificarlos en grupos.  Mientras el modelo predictivo se centra en predecir el comportamiento de un individuo, el modelo descriptivo identifica diferentes relaciones entre clientes y productos.  Por ejemplo, para clasificar las preferencias de los clientes en función de su edad o sexo.

Modelo Prescriptivo o de Decisión Analiza las relaciones entre todos los elementos que intervienen en la toma de decisiones (los datos, las posibles decisiones y las variables que determinan la decisión) para predecir los resultados de cada una de las decisiones posibles.  En algunos casos utiliza reglas de negocio para automatizar la toma de decisiones.

Baeza, E. O., & Sabater, V. L. (2018). La Economía de los Datos: Riqueza 4.0. Lectura Plus.

Business Intelligence

Inteligencia de Negocios es la combinación de tecnología, herramientas y procesos que me permiten transformar mis datos almacenados en información, esta información en conocimiento y este conocimiento dirigido a un plan o una estrategia comercial. La inteligencia de negocios debe ser parte de la estrategia empresarial, esta le permite optimizar la utilización de recursos, monitorear el cumplimiento de los objetivos de la empresa y la capacidad de tomar buenas decisiones para así obtener mejores resultados.

Beneficios del Business Intelligence

1. Visualizar y analizar datos con gran velocidad, eficiencia y entendimiento, todo ello con un lenguaje natural y fácil de comprender, y desde una única plataforma.

2. Ofrecer información de la organización en todo momento, en cualquier lugar y desde cualquier dispositivo (PC, Móvil, Tablet).

3. Crear cuadros de mando e informes específicos según las necesidades de la organización y áreas específicas, y compartir dichos informes y paneles con cualquier persona, ya sean miembros de la empresa o clientes.

4. Aprovechar los datos que generan todas las áreas para conocer tendencias, analizar distintos escenarios, obtener respuestas, etc.

Referencias

Analytics, I. B. M. (2015). Metodología Fundamental para la Ciencia de Datos.

Baeza, E. O., & Sabater, V. L. (2018). La Economía de los Datos: Riqueza 4.0. Lectura Plus.

Cano, J. L. (2007). Business Intelligence: competir con información.

De Francisci, Stefano, Data Science and its Role in Big Data Analytics. EuroStat

Hernández, H. M., Mass, R. C. O., & Pérez, L. M. Z. (2016). Inteligencia de los negocios. Clave del éxito en la era de la información. Clío América, 10(20), 194-211.

Inga, M. E. L., & Huaranga, R. M. G. (2018). Modelo de inteligencia de negocios y analítica en la nube para pymes del sector retail en Perú. Ingeniería solidaria, 14(24), 1-17.

Salinas, J. G. M. (2017). Científico de datos: codificando el valor oculto e intangible de los datos. Revista Digital Universitaria, 18(7).

https://www.datasciencecentral.com/40-techniques-used-by-data-scientists/