Insights (or Analytics) as a Service

En su libro “Competing on Analytics”, Tom Davenport identifica el uso de las soluciones de explotación de datos como una fuente sostenible de ventajas competitivas. Este tipo de proyectos, englobados dentro del concepto de Analytics (Business Intelligence, Big data, Data mining, etc.), han estado presentes entre las principales prioridades TIC de las organizaciones durante los últimos años.

La combinación de Analytics y de Cloud Computing muestra un gran potencial, creando un concepto conocido como Insights (or Analytics) as a Service: "una arquitectura analítica extensible, utilizando un modelo de despliegue basado en Cloud, donde diferentes herramientas de explotación de la información están disponibles para los usuarios con el objetivo de procesar y analizar ingentes cantidades de datos heterogéneos".

La provisión de estos proyectos utilizando modelos flexibles de despliegue en la nube facilita la adopción por parte de las compañías, gracias a la generación de auténticos hubs analíticos.

En estos hubs, donde conviven soluciones, proveedores de servicios, desarrolladores, y perfiles avanzados de interpretación de datos (data scientists), las organizaciones obtienen insights para el negocio de manera más sencilla que con acercamientos tradicionales.

¿Y si en el fondo fuera tan fácil?... el valor está en los datos en sí mismo, y no en la tecnología que se utiliza para procesarlos. La propuesta de valor de Insights (or Analytics) as a Service es huir de grandes inversiones en el despliegue de infraestructuras complejas, sino acceder a servicios en modalidad pago por uso que nos doten de funcionalidades analíticas avanzadas en un formato flexible y escalable.

Desde una perspectiva funcional, la plataforma cubre las capacidades extremo a extremo de una solución analítica, desde la adquisición de datos hasta la visualización, presentación de informes y la interacción para los usuarios finales. Más allá de estas funcionalidades tradicionales, se amplía el enfoque habitual con conceptos innovadores, tales como Apps analíticas disponibles en una Appstore, y la disponibilidad de servicios avanzados de interpretación de los datos gracias al acceso a perfiles de Data Scientists en modalidad BPO.

Beneficios

• El cliente se centra en el negocio y no en la tecnología (optimización del time to insight). La esencia del servicio está en que permite al cliente final abstraer su operativa de negocio de los recursos TIC necesarios para soportarla gracias al uso de una arquitectura Cloud, asegurando que cuenta con servicios tecnológicos optimizados y flexibles para el propósito que persiguen
• Flexibilidad e inmediatez de despliegue. Una característica inherente a los servicios Cloud es la flexibilidad que aporta el modelo bajo demanda. La disponibilidad de una plataforma de Analytics en la nube asegura que el cliente final podrá optimizar el uso de recursos tecnológicos en función de las previsiones de volumen del negocio, de forma instantánea
• Dar respuesta a la consumerización de TI y a la digitalización de los directivos. Los directivos están utilizando cloud en su vida personal y encuentran cada vez más natural obtener tecnología en modalidad pago por uso. En la medida en que directivos más “digitalizados” se incorporen a la empresa, observaremos crecer esta tendencia
• CAPEX versus OPEX y pago por uso. Esta flexibilidad se traduce en una variabilización de costes tecnológicos, beneficiosa para la eficiencia de recursos. Analytics as a Service permite reducir inversiones (CAPEX) en infraestructura, y consecuentemente las problemáticas relacionadas con la gestión de los activos, obsolescencia, renovación, etc., transformándolas en costes operativos (OPEX)
• Predictibilidad de costes. Por esa razón, este modelo hace más sencillo para el negocio proyectar o simular, en función de sus previsiones de volumen, los costes a los que se deberá enfrentar por los servicios tecnológicos derivados del uso de la plataforma.
• Facilitar el acceso a conocimiento especializado. La dificultad de contar con perfiles con los conocimientos necesarios para llevar a cabo proyectos de Analytics avanzados es evidente. Analytics as a Service no elimina la necesidad de contar con estos perfiles, pero reduce esta dependencia al contar con aplicaciones prepaquetizadas para casos de uso específicos. Además de proporcionar una plataforma, las compañías de servicios analíticos pueden ofrecer a sus clientes acceso a Data Scientists bajo demanda. De esta manera la combinación de una creciente colección de servicios analíticos, aplicaciones, y talento enriquece la plataforma y el valor para los clientes aumenta de manera exponencial.
• Creando transparencia. Facilitando datos accesibles a todos los implicados en la cadena de valor de la organización (clientes, proveedores, partners, etc.) de manera adecuada, lo que impacta también en un mejor cumplimiento de regulaciones internas y externas.
• Transformar la experiencia de los consumidores. Ofrecer una experiencia unificada en todos los canales requiere la actuación automatizada en tiempo real. Las herramientas y tecnologías de Analytics ayudan en la toma de decisiones y de acciones basadas en los datos, dando cuerpo a una disciplina llamada analítica operacional. Los sistemas analíticos operacionales permiten la realización automatizada de acciones como respuesta, por ejemplo, a la interacción con el cliente
• Información en cualquier momento, en cualquier lugar, con cualquier dispositivo. Los consumidores esperan disponer de cualquier información o servicio en el momento en el que lo necesitan, utilizando diversos formatos, a través de sus dispositivos móviles
• Extraer ventajas competitivas de los datos. Para competir eficazmente en mercados altamente dinámicos, los directivos de negocio buscarán nuevas formas de innovación para mantenerse por delante de competidores locales y globales. Para ello es valioso el acceso a datos internos y externos: datos internos para asegurar la eficiencia de las operaciones y la efectividad del negocio, y datos externos para analizar las demandas del mercado y maximizar las oportunidades.
• Posibilitando la experimentación para descubrir necesidades y optimizar el rendimiento. Utilizando los datos y variables que afectan al rendimiento empresarial incluyendo la capacidad de poder realizar forecastings en tiempo real.
• Segmentando la población para personalizar acciones. Por ejemplo en acciones de marketing y comunicación, pero tiene un tremendo potencial en todos los sectores (p.e. administración pública)
• Dando soporte a la toma de decisiones y optimización de los procesos mediante la aplicación de algoritmos. Por ejemplo gestión del riesgo crediticio, gestión del fraude, gestión de inventarios, …
• Posicionar al departamento TIC y a la organización como una compañía innovadora gracias a nuevos usos eficaces y eficientes de las tecnologías de la información

Casos de uso y escenarios de aplicación

• Predictive Asset Maintenance. Las compañías del sector de las Utilities pueden desplegar soluciones para llevar a cabo acciones de mantenimiento preventivo en sus instalaciones remotas. Esta solución podría ser alquilada para llevar a cabo proyectos de análisis de corta duración.
• CFO Analytics. Explotando los datos que tenemos en nuestras organizaciones para mejorar el rendimiento financiero y operacional. Los CFOs obtienen información en tiempo real que les permiten tomar medidas correctivas ágilmente. Dentro de este ámbito se pueden llevar a cabo proyectos de análisis de ingresos, gastos y cuentas a cobrar, o tesorería.
• Smart Cities. En este ámbito las ciudades pueden incorporar fuentes de datos heterogéneas, como por ejemplo la información proveniente de las redes de sensores desplegadas para por ejemplo reducir costes, optimizar el consumo de recursos, mejorar el confort de los ciudadanos, y ser más eficaces brindando nuevos servicios de calidad.
• Customer Analytics. Haciendo que las interacciones con nuestros clientes sean más eficaces y mutuamente beneficiosas mediante la combinación de datos no estructurados procedentes de redes sociales, datos transaccionales de la página web, datos estructurados de nuestros sistemas corporativos, e incluso datos recogidos en las tiendas físicas procedentes de sus dispositivos móviles.
• Marketing Analytics. La combinación de las capacidades de analítica avanzada y de mecanismos de retroalimentación continua asegura que los clientes reciben las ofertas más relevantes para su perfil en el momento adecuado, y que las campañas son más y más eficientes a lo largo del tiempo.
• Análisis de la Web 2.0. El análisis de los medios sociales y las tecnologías de monitorización de la actividad en sitios web transforman la forma en la que las organizaciones recogen datos de sus clientes y prospects. La recolección de esta información puede generar importantes mejoras en la fidelidad de los clientes, además de disponer de métodos más efectivos para atraer a nuevos clientes lejos de la competencia.
• Generando un nuevo cuerpo de conocimiento cognitivo. La evolución de los sistemas de Analytics ofrece una proposición que va más allá del mero análisis, dotando a las organizaciones de nuevas capacidades cognitivas (preguntar, descubrir, y decidir) gracias al soporte de las tecnologías. Existen ya casos de éxito de compañías que acceden en tiempo real a cantidades ingentes de información para: llevar a cabo procesos de análisis clínico y tratamientos médicos, mantenimiento de sistemas mecánicos, horarios y rutas de líneas aéreas, o facilitando la experiencia interactiva con sus clientes.