Big data esto, big data lo otro… El palabro tecnohipster de moda del último par de años es big data. Y bajo su égida, una serie de otros palabros que también han hecho fortuna en la actual fase de la revolución digital que estamos viviendo. Quizá uno de los que tiene más recorrido y gozaba ya de una cierta trayectoria antes de la explosión de fama de los big data, era la business intelligence (BI).

Comparativa a Google Trends (2004-2014)

Después de algunos años trabajando en algunos proyectos que, más o menos, podrían ser calificados como de inteligencia de negocio, de un máster académico específico sobre el tema y de muchos artículos, tuits y charlas sobre el tema, no sé si sabría definir exactamente, con honestidad y claridad, qué es la business intelligence. Sí sabría, en cambio, enumerar algunas de las cosas que no es y de los mitos y leyendas que a su alrededor se generan. Veámoslas.

1) “Los datos son el petróleo del siglo XXI”

Petróleo! Oro negro! Como metáfora está bien. Como frase, es efectiva y pegadiza. Pero quizá no deberíamos sobrevalorarlo. El mundillo tecnológico necesita ir creando petróleos del siglo XXI cada dos por tres, porque en buena parte vive de las modas y necesidades que crea. Sin embargo, los datos han estado siempre ahí. En formatos diferentes, apuntados en tablillas de barro, pergaminos, ábacos, códices, tratados, enciclopedias, procesadores de texto, hojas de cálculo o incluso en bases de datos no-relacionales. Pero los datos han estado siempre en la base de la pirámide del conocimiento y la toma de decisiones. No hacía falta que SAP desarrollara un mastodonte como Business Objects para constatar que un factor del éxito (personal, empresarial, militar, gubernamental, el que sea) era analizar correctamente la realidad. Porque eso es de lo que estamos hablando cuando apelamos, módicamente, a los datos. La pura, dura y testaruda realidad. Por tanto, si alteramos la frase à la mode, se nos convertiría en un “La realidad es el petróleo del siglo XXI”. Y habremos convertido un eslógan afortunado en una afirmación un poco tontorrona. La observación minuciosa y detallada de la realidad está en la base del método científico, así que, como mínimo, el petróleo del siglo XXI lleva varios siglos paseando entre nosotros. Como mínimo.

Por tanto, ¿cuál es la diferencia entre los datos de hoy en día y las anotaciones de Charles Darwin a bordo del HMS Beagle? Respuesta: lo digital. En dos aspectos fundamentales: el volumen de datos que genera el mundo digital es enormemente superior y las herramientas que tenemos para recogerlas, ordenarlas, almacenarlas y procesarlas son inmensamente más potentes y efectivas. Sin embargo, la gracia del tema no está en los data warehouses actuales como tampoco estaba en los cuadernos de notas de Darwin. Lo importante está en la capacidad que tengamos para entender la realidad a través de los datos, para establecer pautas y construir teorías y modelos explicativos. Y eso no es nuevo. Al contrario, si nos fijamos demasiado en lo nuevo, brillante y molón (las plataformas de business intelligence que se dedican a masticar toneladas de big data), probablemente perderemos de vista lo que realmente aporta intelligence.

 

2) “Pero, cuando lo tengáis listo, ¿apretando un botón ya saldrá todo, no?”

Oh, magia potagia. La tecnología tiene algo de religioso: promete milagros. Y tiene algo incluso superior a las religiones: los hace realidad. La fe que la sociedad occidental tiene en lo tecnológico es enorme. A la vez, la tecnología es tan compleja que la mayoría de los usuarios no tenemos ni la más remota idea de cómo funciona prácticamente nada. Y así llegamos a la informática y a la business intelligence, que también necesita dosis ingentes de fe y penitencia. Un proyecto “Como Dios Manda” de BI necesita tiempo, dinero y espónsoring directivo. Eso, al menos, es lo que los manuales sobre la materia nos recomiendan. Las tres cosas salen de los órganos directivos de una empresa o institución. Conseguir convencer a los jefes de que destinen los tres recursos a un proyecto no es sencillo, pero aun así puede no ser suficiente. Porque corremos el riesgo de sobrevenderlo. De que la idea que se quede al otro lado de esa mesa directiva es que lo que se compra es una especie de bola de cristal (conectada a una impresora) que lo sabrá todo. Hay plataformas de BI más usables que otras, pero ninguna funciona sola ni se anticipa a las necesidades de nadie. Las hay buenísimas, pero no mágicas. Y en todos los casos, una vez construidas, necesitan tiempo, personas y talento para sacarle partido. La inversión en una plataforma de BI es sólo una parte de lo que se necesitará para sacarle jugo analítico y una cierta inteligencia a la criatura.

Resumiendo: del mismo modo que no esperamos que un procesador de texto –por caro o complejo que sea- escriba un poema tan sólo apretando un botón, una herramienta de BI –por cara o compleja que sea- tampoco va a crear archivos de “conocimiento” por sí misma. La analogía es buena en muchos sentidos: creo que el pánico a la hoja en blanco que experimenta cualquier escritor ante el cursor parpadeante y la pantalla vacía debe ser similar al que sienten muchos analistas de datos ante la pantalla de construcción de queries. Me atrevería a decir que en ambos casos, la primera cuestión a resolver es la misma: “¿qué historia quiero contar?”.

 

3) “Abandonen sus hojas de cálculo”

Spoilers alert: La herramienta de business intelligence más conocida, más extendida y más usada ya la tienes instalada. Se llama Microsoft Excel. Contra lo que sostienen la mayor parte de los vendedores de complejas plataformas de BI, las hojas de cálculo sí son programas de BI. Seguramente, los más efectivos, los más rentables y los más aprovechados. Tienen un coste de instalación mínimo, un coste de licencia muy bajo o incluso nulo, una curva de aprendizaje suave y un interfaz de usuario asequible. Son la vía de entrada de la mayoría de los directivos hacia los misterios y verdades del análisis de datos y la inteligencia de negocio. Estoy seguro de que una de las mejores maneras de saber si un directivo va a ser sensible a proyecto de business intelligence, es averiguar si usa (y cómo usa) Excel.

Por supuesto, la capacidad de análisis de datos que ofrece una hoja de cálculo doméstica es inferior a la que promete una plataforma de BI “de verdad”. Tiene serias dificultades para gestionar diferentes archivos, no permite un auténtico trabajo multiusuario y no sirve como solución corporativa ni a media ni a gran escala. Sin embargo, permite plantear hipótesis de manera rápida y testarlas con datos. Permite alterar universos de datos en cuestión de minutos. No necesita interacción con servidores. Y, además, permite visualizar resultados con agilidad y en formatos muy business friendly. En definitiva, las hojas de cálculo facilitan un aspecto clave, tanto para la inteligencia de negocio como para la inteligencia en el negocio: hace que sean los responsables de productos y de áreas funcionales quiénes planteen hipótesis de investigación basadas en análisis de datos. Esto significa que, aunque las respuestas no se apoyen en millones de datos, las preguntas serán más afinadas, más cercanas a lo que el negocio necesita. Cuánto más pronunciada es la dicotomía entre las áreas tecnológicas y las áreas de negocio, más probabilidades de fracaso tiene un proyecto de business intelligence. Por ello, las hojas de cálculo son fundamentales, porque favorecen la creación de profesionales híbridos, capaces de pensar en datos sin apartarse ni un milímetro de las necesidades de sus áreas de negocio. Cuántos más datos sean capaces de meter en la coctelera, cuántas más hipótesis basadas en datos sean capaces de trasladar a su hoja de cálculo, mejor: más inteligencia puesta al servicio del negocio. En resumen, una hoja de cálculo es una herramienta para conocer mejor los datos, big o small. Y si recuperamos la analogía de hace algunas líneas, donde datos=realidad, veremos que las hojas de cálculo no sólo son instrumentos efectivos de business intelligence: sirven para generar profesionales y directivos con un punto de vista diferencial, más rico, más cercano a la realidad “real” (basada en datos), y más capacitado para plantear y testar hipótesis alternativas. En definitiva, las hojas de cálculo –bien aprovechadas- son herramientas, ya no sólo de BI, sino de management empowerment o empoderamiento directivo.

 

4) Mejor cuánto más grande

Más datos! Más madera! Lo que caracteriza los ‘Big’ Data es, evidentemente, su magnitud. Nunca antes la humanidad ha generado tal cantidad de información. El volumen de datos que genera la sociedad digital no es que sea simplemente mayor que la de épocas precedentes. Simplemente, no resiste ninguna comparación. En el siglo XVIII Diderot impulsó la Enciclopedia, el mayor compendio de conocimiento que jamás hubiera dado la historia. Pretendía recoger todo el conocimiento del mundo. Ocupó 17.000 páginas y necesitó 20 millones de palabras. Una barbaridad, sí. Pero una minucia comparado con la información que se genera hoy en día sin el mayor esfuerzo. Sólo Twitter, con sus 400 millones de mensajes diarios, genera el equivalente en volumen a entre 300 y 400 Enciclopedias. CADA DÍA. Y estos datos de los ‘big data’, además, son cada vez más desestructurados, más difíciles de leer y pautar… ¿Moraleja? Cuántos más datos, más tecnología necesitamos para masticarlos. Pero cuantos más datos, más cerca estaremos de la verdad.

¿Es así? ¿Necesitamos analizar 400 millones de tuits para obtener pautas valiosas en ellos? Probablemente, si dividimos todos estos big datos en segmentos más trabajables, en little data, podamos obtener la misma perspectiva de la realidad sin hacernos esclavos de enormes necesidades tecnológicas. Tom Betts, el responsable de analítica del Financial Times lo expresa maravillosamente: “I think Little Data is an enormously valuable concept. There is so much hype that surrounds ‘Big Data’ and the suggestion is that there is a correlation between size of data set and business value, which I just do not think is true. You are just as likely to find key audience insights in small data sets as you are large ones”. Y más rápidamente. Y con menos costes. Incluso se puede analizar con Excel…

 

5) “Datos –> Información –> Conocimiento”

Por último, hay una idea que me persigue desde que empecé a ser consciente de que trabajaba en algo cercano a la business intelligence y que transpira en todas las líneas anteriores: el verdadero aspecto diferencial de la inteligencia de negocio no está ni en la cantidad de datos que se pueden llegar a procesar, ni en las complejas respuestas que permite obtener. Su verdadera potencia no está en esas respuestas, sino en las preguntas. En las hipótesis. En sospechar que hay tendencias que correlacionan datos, que se afectan de formas no auto-evidentes. En descubrir posibles decisiones que pueden testarse, implantarse y monitorizarse. En esto, hay un gran parecido y una gran diferencia con respecto al análisis cuantitativo clásico de la sociología y las ciencias sociales en general: el gran parecido es el proceso de inteligencia basado en datos. La búsqueda de realidades a correlacionar. El famoso software de análisis cuantitativo SPSS no es muy diferente a las plataformas actuales de business intelligence, si le quitamos la parte del business. Hasta ahí, el parecido. La gran diferencia, sin embargo, es que mientras el sociólogo observa y publica informes de cualquier ámbito de la vida social (educación, inmigración, sanidad, vida cotidiana, etc.) que no tiene capacidad operativa para poner en marcha, un directivo empoderado con una visión de inteligencia de negocio sí puede poner en marcha las hipótesis que ha vislumbrado. En el ámbito de negocio, el investigador y el ejecutor están del mismo lado de la mesa. Y todo empieza en la capacidad para hacerse preguntas. Ahí está el punto de partida.

He aquí lo que quizá sea el mayor mito de la inteligencia de negocio. Lo que se enseña como el mantra de la business intelligence es el flujo “Datos –> Información –> Conocimiento”. Es una pirámide lógica de abstracción creciente. Según este mantra, todo empieza en unos datos, que se aglutinan construyendo una información más compleja y que, mirada desde el punto de vista adecuado, se convierte en conocimiento y ayuda a la toma de decisiones. El esquema es sencillo:

Flujo teórico

El planteamiento es muy útil pero tiene un pequeño problema: no explica cómo se da el paso de una dimensión a la siguiente. Al no explicitar que estos pasos los dan personas humanas, con unas competencias y unas responsabilidades determinadas, podemos tender a pensar que el proceso es automático. Y como se trata de un área de especialidad muy vinculada a lo tecnológico, podemos llegar a pensar que el flujo lo realizan las máquinas. Que es cosa de la plataforma que compremos. Y no es así. El proceso sólo se activa cuando hay un motor que lo pone en marcha. Y ese motor, como en la filosofía socrática, son las preguntas, las hipótesis de negocio. Por ello, creo que el verdadero flujo de valor real de la inteligencia de negocio es, en realidad, éste:

Flujo real

El cambio de paradigma es significativo y lleva la inteligencia de negocio a un nivel directivo dentro de la organización, sacándola de las catacumbas de los departamentos técnicos. Las preguntas son el punto de partida. Sin preguntas, no hay proceso. Las respuestas son ofrecidas por la metodología de business intelligence por la que hayamos optado, recurriendo a los tres pasos básicos del mantra. La ejecución depende de la propia organización y de las áreas implicadas, aunque depende, en última instancia, de los órganos directivos. Y, por último, todo ello se mide al detalle y desde todos los puntos de vista posibles, para poder seguir haciéndose más preguntas, encontrando más soluciones y corrigiendo decisiones.

En resumen: si vemos la inteligencia de negocio y los big data como el último grito en modas tecnológicas, un nuevo “must” para los departamentos técnicos, lo más probable es que acabe complicando los organigramas y comiéndose un montón de recursos para acabar dibujando gráficos que muestran obviedades. En cambio, si lo comprendemos como una potente metodología de análisis integral, que da poder a los directivos y las áreas de negocio, las probabilidades de convertirlo en un elemento estratégico y diferenciador son mucho mayores. Ni petróleo del siglo XXI, ni automatismos mágicos, ni adopción acrítica de grandes plataformas: el verdadero truco de la business intelligence está hacer buenas preguntas (y contrastarlas con muchos/buenos datos).

 

 

Nota: este artículo fue escrito algún tiempo después de terminar, procesar, masticar y digerir un máster en Business Intelligence en la EAE / Online Business School. Meses después lo publiqué en la revista online Tecnonews. Y finalmente, llega a mi blog en febrero de 2015. Un largo periplo para una reflexiones seguramente no tan profundas…