Business Analytics llega donde el Business intelligence no
Aunque ya hemos explicado en un artículo anterior (link al artículo) qué es el Business Intelligence y qué es el Business Analytics, nos gustaría hacer un poco más de foco en este tema para ejemplificar sus diferencias y sus implicaciones en la toma de decisiones de un negocio.
Por confidencialidad, como ejemplo, consideraremos un cliente hipotético en un estado de madurez analítico “alto”, en el cual se trabaja tanto con Business Intelligence como con Business Analytics. Este cliente es una empresa de venta a clientes finales (B2C) en puntos de venta físicos.
Business intelligence
Comenzaremos por el Business Intelligence con un enfoque de análisis histórico, para saber cómo han respondido los clientes a los productos ofrecidos.
Un Business Intelligence clásico trabajaría sólo con los datos procedentes de los sistemas tradicionales, como los datos procedentes del ERP, de costes, de ventas, …
Sin embargo, el Business intelligence avanzado incluiría también otros datos históricos que proporcionen mayor número de variables a analizar. Estas variables podrían ser la afluencia a las tiendas, el volumen de vendedores en la tienda, la climatología, etc. Esto nos permitiría entender mejor el impacto histórico que han tenido las distintas variables en la venta de productos.
El Business Intelligence y el Business Analytics no son excluyentes, sino complementarios.
El análisis sobre datos históricos nos permite detectar qué variables han tenido mayor impacto en la evolución de las ventas o del beneficio. Esto nos puede ayudar a tomar decisiones sobre una modificación del portfolio de productos, reorganización de la fuerza de ventas, modificación en las estrategias de marketing, etc
Business analytics
Sin embargo, si continuamos profundizando en el análisis, podemos avanzar con Business Analytics. Para ello podemos incluir además de la información histórica, información en tiempo real y predicciones de futuro.
En Business Analytics también se trabaja con datos históricos, pero la aplicación es diferente, ya que estos datos históricos nos permiten crear modelos predictivos y estimaciones de futuro.
Además si realizamos Analytics aplicando inteligencia artificial podríamos incluir datos en tiempo real, como los perfiles de las personas que entran en los puntos de venta, o que están comprando artículos complementarios, o …
Analytics incrementa su dificultad, para ganar terreno en el nivel de precisión de las predicciones.
Realizar Analytics sobre los mismos datos históricos nos permite definir modelos predictivos que nos pronostiquen las necesidades futuras de nuestros clientes, por ejemplo, para calcular la producción necesaria. Además, Analytics puede modificar las previsiones en tiempo real, lo que ajusta los resultados del corto plazo en base a datos muy próximos. Son análisis automáticos que utilizan inteligencia artificial para aprender de los datos e ir ajustando las predicciones. Otra aplicación de este tipo de análisis nos podría servir para planificar las plantillas de la tienda en función de la afluencia y sus tareas en cada momento.
En conclusión, los análisis de Business Intelligence y de Business Analytics no son excluyentes, sino complementarios. Sin embargo, conforme avanzas en Analytics los análisis incrementan exponencialmente su dificultad, para ganar terreno en el nivel de precisión de las predicciones.