“Los datos son el nuevo petróleo", es un dicho recurrente en la industria del TI y significa que cuando estos se aprovechan o, como el petróleo, "se refinan" pueden proporcionar un gran valor para el negocio. Actualmente muchas organizaciones han agregado funciones de Business Intelligence, Data Analytics y Data Science a su repertorio pero ¿Cuáles son las diferencias de todas estas disciplinas y técnicas en torno a los datos?
A pesar de sonar similar y servir a muchos de los mismos propósitos desde una perspectiva externa, análisis de datos e inteligencia empresarial entregan resultados separados dependiendo de los requisitos del negocio.
Si bien el análisis de datos y la inteligencia de negocios comparten la pasión por los datos y las ideas, los dos son métodos distintos. Trabajan por separado y cumplen un propósito diferente pero ambos tienen una influencia significativa en las organizaciones modernas orientadas a la comprensión, lo que significa que en lugar de enfrentar estos términos entre sí, las organizaciones deben unirlos para que pueda aprovechar las capacidades y habilidades de cada una.
Business Intelligence se aplica en organizaciones para mejorar las capacidades de toma de decisiones, realizar tareas de minería de datos, analizar información empresarial, crear informes y mejorar las capacidades operativas. Sin embargo, es importante tener en cuenta que la inteligencia empresarial es predominantemente para datos históricos almacenados e impacta significativamente la gestión del rendimiento empresarial y la gestión de datos.
Data Analytics por otro lado, está destinado a convertir datos en bruto y no estructurados en un formato de datos claramente entendido por el usuario. Varias operaciones comerciales, incluido el modelado, la transformación y la limpieza de datos, son las principales tendencias de la implementación de análisis de datos dentro de una organización.
La implementación de Data Analytics generalmente ocurre en una situación en la que la empresa es bastante nueva y requiere cambios considerables en su modelo de negocio. El análisis de datos ayuda a los usuarios comerciales a analizar datos históricos y actuales, prediciendo así tendencias futuras y cambiando el modelo comercial propuesto para mejorar.
Por otro lado, la inteligencia de negocios se aplica en situaciones en las que la empresa no tiene que alterar su modelo de negocio actual y su único objetivo es cumplir los objetivos de la organización. La inteligencia de negocios ayuda a los usuarios a descubrir dónde están las lagunas cuando se trata de administrar datos y solucionarlos al ofrecer escenarios eficientes de toma de decisiones.
Ahora bien, ¿qué es Data Science? y ¿cómo se compara con Business Intelligence? Data Science o Ciencia de Datos es un campo multidisciplinario enfocado en encontrar información procesable a partir de grandes conjuntos de datos brutos y estructurados. El campo se centra principalmente en descubrir respuestas a las cosas que no sabemos. Los expertos en ciencia de datos utilizan varias técnicas para obtener respuestas, incorporando ciencias de la computación, análisis predictivo, estadísticas y aprendizaje automático para analizar conjuntos de datos masivos en un esfuerzo por establecer soluciones a problemas que aún no se han pensado.
El objetivo principal de los científicos de datos es hacer preguntas y localizar posibles vías de estudio, con menos preocupación por las respuestas específicas y más énfasis en encontrar la pregunta correcta. Los expertos logran esto al predecir tendencias potenciales, explorar fuentes de datos dispares y desconectadas, y encontrar mejores formas de analizar la información.
Business Intelligence es más simple y la ciencia de datos es más compleja. BI se trata de paneles, gestión de datos, organización de datos y producción de información a partir de datos. Mientras que la ciencia de datos se trata de utilizar estadísticas y herramientas complejas en los datos para pronosticar o analizar lo que podría suceder.
La ciencia de los datos podría expresarse convenientemente como una evolución de BI, pero en un conjunto muy complejo de modelos, aplicación de estadísticas y casos de uso.
Debemos preguntarnos, ¿qué historia nos cuentan los datos? Tenemos que aprender a preguntar para poder buscar cómo llegar a las respuestas y atacar los datos desde distintos enfoques, para ver qué nuevas preguntas surgen de estos análisis.
Recuerda, Data Analytics podría considerarse algo así como una versión reducida de Data Science, algo parecido a una aplicación concreta, enfocada a un objetivo definido que conocemos previamente, o del que apenas conocemos nada, pero sabemos que está ahí. El Data Scientist se hace preguntas y extrae la información a partir de varias fuentes, y el Data Analytics, por el contrario, se encarga de responder a éstas y sólo se fija en una fuente.
Business Intelligence se aplica en organizaciones para mejorar las capacidades de toma de decisiones, realizar tareas de minería de datos y analizar información empresarial, crear informes y mejorar las capacidades operativas. Para que BI pueda operar necesitamos aplicar primero Data Analytics si conocemos la aplicación concreta o Data Science si tenemos un enfoque más general.
Tecnologías, herramientas, procesos y talento, estos deben trabajar juntos para obtener la máxima ventaja de datos y análisis.
Referencias:
Debortoli, Stefan & Müller, Oliver & Brocke, Jan vom. ResearchGate. (2014). Comparing Business Intelligence and Big Data Skills: A Text Mining Study Using Job Advertisements https://www.researchgate.net/publication/262150370_Comparing_Business_Intelligence_and_Big_Data _Skills_A_Text_Mining_Study_Using_Job_Advertisements consultado febrero, 2020.
S, Balakrishnan. ResearchGate. (2018). Big Data in Business Intelligence https://www.researchgate.net/publication/328808426_Big_Data_in_Business_Intelligence consultado febrero, 2020.