Dos de las principales tendencias que están pegando con más fuerza en el universo de los datos son, sin lugar a dudas, el `data discovery´ y la analítica. Tradicionalmente han sido dos de las áreas favoritas de los analistas, pero en la actualidad toda la industria en su conjunto se encuentra volcada en el concepto que las aúna, el `self-service business intelligence´ (BI), con el ánimo de poder trasladar información crítica y analítica de los datos a una audiencia mucho más amplia. Esto solo se puede realizar industrializando esos análisis de información entre empleados, proveedores, partners y clientes.
Las empresas necesitan encontrar vías más sencillas para desarrollar labores de analítica e inteligencia de negocio que a través de las tradicionales complejas herramientas de cuadros de mando. Las soluciones de visualización y `data discovery´ que actualmente existen en el mercado siguen siendo del gusto de los analistas, pero representan un auténtico quebradero de cabeza para el empleado medio.
Las compañías deben seducir a sus empleados para que empleen el BI y la analítica ofreciéndoles soluciones fáciles de usar y altamente funcionales. La clave estriba en proporcionarles una experiencia app-store que, de manera rápida, les permita visionar los datos corporativos que corresponda, como un primer paso para trasladar el big data a las masas. El empleado medio no cuenta con el tiempo ni la predisposición para enfrascarse en procesos de formación formales, y está mucho más predispuesto a descargarse una app que traslade los análisis que necesita a su dispositivo móvil. Las herramientas de analítica avanzada contienen mecanismos para establecer sofisticados modelos predictivos y estadísticos. Si bien, el reto hoy día pasa por embeber estos modelos y sus resultados en apps diseñadas para la toma de decisiones.
El ejemplo de las fuerzas del orden
Las fuerzas del orden representan un gran ejemplo del impacto que pueden tener las apps de auto-servicio, en este caso analíticas, para trabajar de manera más eficiente desde dispositivos móviles. La cantidad de datos relacionados con el mundo del crimen crece día a día, y poder extraer de ellos conclusiones valiosas se erige como un objetivo prioritario. El auténtico valor puede derivar de datos históricos relacionados con actos delictivos, que pueden ayudar a predecir y prevenir crímenes futuros tras analizar diversas variables. No se trata tanto de individuos, sino de poblaciones o de factores relacionados con el entorno como el clima, el tráfico, eventos determinados, estaciones del año, etc. Quizá suene a ciencia ficción, pero la realidad está muy presente. Pensemos en un ejemplo: ¿cuántos actos delictivos podrían tener lugar un día de derbi futbolístico al más alto nivel en Sevilla, que acontece dos veces al año? ¿o en una zona complicada de la ciudad el día de cobro de nóminas? ¿o durante un festival musical veraniego que tiene lugar un día especialmente lluvioso? Al contar con datos sobre la probabilidad de que ocurra un crimen, las fuerzas del orden podrán planificar dónde situar mejor sus recursos y paliar en la medida de lo posible consecuencias indeseables.
Las apps en modo auto-servicio permiten que el propio agente utilice este modelo predictivo en su día a día. Un policía, en su primer día de servicio, podría acceder a través de su dispositivo móvil al mismo tipo de información que un oficial veterano, con objeto de tomar decisiones más inteligentes en tiempo real. Por ejemplo, una app creada para identificar rápidamente matrículas de vehículos es sólo una vía más para acelerar los procedimientos policiales, ahorrarles tiempo y recursos a los agentes, y en último estadio, hacerles más eficientes.
Apps para atender al cliente
Sin embargo, éste no es el único espacio donde puede proporcionar valor una app de analítica. El análisis de datos a través de un formato sencillo de uso tendrá un impacto masivo en cualquier profesión de servicio al cliente. Proporcionando a los empleados que trabajan cara al cliente acceso a datos clave sobre sus clientes, aquellos podrán facilitar un servicio más personalizado. Por ejemplo, cualquier agente de atención al cliente debería comprender mejor las posibles quejas de éste, si pudiera conocer con celeridad sus experiencias anteriores y su historial de compra, y darle una respuesta más acorde.
El beneficio añadido de emplear una aproximación a esta realidad basada en apps pasa por poder extraer datos de fuentes muy variopintas y combinarlas a posteriori. Por ejemplo, se pueden entrelazar diversos tipos de datos empresariales con otros datos disponibles en nubes públicas y privadas, tales como servicios climatológicos, e integrar todas las variables. Esta completa combinación proporciona una fotografía global y fiable de toda la información, válida para la toma de decisiones en tiempo real. Esta perspectiva es el futuro de la tecnología en modo auto-servicio para las masas.
