Gestión empresarial y big data: 5 ejemplos exitosos en los últimos 5 años

La gestión empresarial ha evolucionado gracias al análisis de grandes volúmenes de datos, la incorporación de la inteligencia artificial y la inteligencia de negocios.

Las empresas combinan sus recursos de información para sacar provecho de sus datos, y generan estrategias que aumentan la productividad y la competitividad.

En la gestión empresarial actual, los datos representan un activo destacado. Aprovechar al máximo el valor de los datos requiere de procesos caracterizados por:

• Agilidad en la captación y procesamiento de los datos para su uso oportuno y relevante.
• Eficiencia en el manejo de grandes volúmenes de datos.
• Segmentación y variedad para tener grupos de datos que representen una visión amplia, completa y realista del negocio.

El big data se combina con la analítica basada en machine learning, los algoritmos avanzados de predicción y los modelos de visualización para desarrollar eficientemente los tres procesos señalados anteriormente. Se obtienen así indicadores clave y recomendaciones en tiempo real que apoyan a los equipos de gestión en la toma de decisiones.

Gestión empresarial en el sector retail mediante inteligencia de negocios

La aplicación de la inteligencia de negocios (business intelligence) aporta distintos beneficios en el sector retail:

• Comprender los movimientos y áreas clave del negocio.
• Mejorar la actividad empresarial.
• Aumentar las operaciones de comercialización en tiendas físicas y en línea.
• Agilizar la estimación de precios dinámicos en los productos vendidos por minoristas.

En el caso de Amazon, la aplicación de técnicas de big data e inteligencia de negocios ha permitido reducir hasta en un 50 % los actos fraudulentos en el uso de tarjetas de crédito y débito.

La cadena de supermercados del Reino Unido Waitrose y la cadena minorista Staples han utilizado business intelligencepara:

• Pronosticar ventas diarias.
• Desarrollar campañas de e-commerce personalizadas.
• Pronosticar los productos que deben tener disponibles en cada temporada.
• Lanzar campañas de marketing dirigidas a compradores específicos.
• Identificar las demandas a nivel de cada tienda.

Aumentando la productividad y la competitividad de las empresas

La empresa Nordstrom, una cadena por departamentos con más de 225 tiendas en todo el mundo, ha sabido aprovechar innovadoramente el uso del big data para determinar el comportamiento de visitantes y clientes.

Combinando recursos tecnológicos, crearon RetailNext, una herramienta que les permite conocer a las personas que los visitan.

Con la inclusión de técnicas de análisis de grandes volúmenes de datos, este gigante del retail analizó los siguientes aspectos:

• Desplazamiento de los clientes en las tiendas.
• Secciones o áreas de las tiendas donde el cliente pasaba más tiempo.
• Áreas que no despertaban interés.

El análisis se expandió para incluir proveedores, líneas de productos, equipos de trabajo, locales y sus empleados.

Conocido como disección, este análisis es útil para conocer con datos reales y dinámicos cómo se desarrollan las interacciones en el negocio.

Algunos de los beneficios de esta combinación de big data, inteligencia artificial e inteligencia de negocio son:

• Mejor estimación de las ventas futuras.
• Ajuste en tiempo real a las demandas de los clientes.
• Estimación de tendencias.
• Verificación con datos dinámicos obtenidos del público y ajuste de estrategias de mercadeo, logística y manejo de inventario.

Los datos utilizados por Nordstrom provienen de su sitio web y de las ventas en la tienda, así como de sus redes sociales (Facebook, Pinterest y Twitter).

Diagnósticos con big data para mejorar la salud

La identificación de enfermedades, el diagnóstico y la determinación de tratamientos médicos son procesos especializados. Involucran grandes volúmenes de datos, conocimiento especializado y la toma de decisiones por parte de profesionales de la salud.

Medscape también ha aprovechado exitosamente las ventajas del big data y los algoritmos predictivos. Esta startup, que provee conocimiento y servicios en el sector de salud, ha combinado cientos de bases de datos médicas a nivel mundial para:

• Crear webs médicas especializadas que facilitan el diagnóstico de enfermedades.
• Realizar estudios para identificar características de pacientes proclives a enfermarse.
• Establecer tendencias de ocurrencias de enfermedades según las regiones o la temporada del año.

Los millones de registros anónimos utilizados por Medscape provienen de una red de más de 250 000 médicos y profesionales de la salud.

Los sistemas inteligentes utilizados en estos casos facilitan la predicción de enfermedades. Otro beneficio es identificar las enfermedades que una persona podría padecer y recomendar acciones preventivas. Los diagnósticos y predicciones se realizan en pocos segundos gracias a la combinación de big data y redes neuronales artificiales. Los usuarios interactúan con estos sistemas a través de apps donde suministran algunos datos específicos.

Revolución de la gestión empresarial en multinacionales

El uso de big data en la banca ha permitido el análisis de comportamientos, conocer tendencias y visualizar datos adaptados a necesidades particulares de los usuarios.

Tener datos actualizados, reales y fiables del sector bancario y financiero con los cuales determinar indicadores es otra ventaja de las tecnologías analíticas.

BBVA ha impulsado la aplicación avanzada de big data a través de su división de negocios BBVA Data & Analytics. Fabien Girardin (Mejía, 2018), co-CEO de esta división, señala tres claves principales para el uso efectivo de big data en la organización:

• Contar con infraestructura, arquitectura y metodologías de gestión de los datos.
• La exploración, uso y transmisión de datos con métodos de Ciencias de Datos (Data Science).
• Promover el uso responsable de los datos al establecer normas y estándares de mantenimiento de calidad de datos.

En productos como Commerce360 y las APIs BBVA se combinan inteligencia de negocio, analítica de datos y computación en la nube para ofrecer un servicio impulsado por datos (data-driven) y centrado en el cliente (customer-centric.).

People Analytics: big data para la gestión de recursos humanos

El análisis de datos asociados con el entorno de trabajo para gestionar recursos humanos es otra área que ha evolucionado mediante el uso de big data.

People Analytics es una metodología que:

• Combina la medición del desempeño de los equipos de trabajo y la analítica.
• Permite a una organización conocer mejor su talento humano.
• Identifica elementos clave para localizar o seleccionar personal.

Google se considera la empresa pionera en el uso de People Analytics y es la creadora del término. Esta empresa innovadora lo aplicó exitosamente para determinar las 10 características que debía tener un buen líder. La empresa también pudo identificar dos factores que definían a los equipos de trabajo exitosos:

• Sus miembros hablan y participan en la misma proporción, lo cual incentiva la inteligencia colectiva del grupo.
• Tienen alta sensibilidad social, lo cual les permite intuir cómo se sienten los demás.

Nielsen ha utilizado exitosamente People Analytics para analizar y determinar las razones de la rotación voluntaria en sus oficinas. Esta multinacional, dedicada a la investigación de consumidores y mercados logró identificar los principales insights (motivaciones del personal) y las acciones que debía implementar para evitar la pérdida de personas capacitadas en puestos clave.