Una de las mejores maneras de sacar el máximo provecho de cantidades masivas de datos es implementar un sistema de inteligencia operacional. A continuación se muestra cómo aplicar el análisis de datos de gran tamaño a los datos operativos.
De las tres Vs de datos grandes -volumen, velocidad y variedad- el volumen es el más grande, literalmente. El procesamiento de grandes volúmenes es una característica distintiva de los grandes análisis de datos; no es necesariamente el más importante o el más desafiante, pero fomenta un punto de inflexión estratégico cuando se incuba correctamente.
Hay muchas maneras de utilizar grandes volúmenes de datos para obtener una ventaja estratégica, y los datos operativos son uno de mis favoritos. He definido los grandes datos en términos competitivos como: la enorme cantidad de datos en rápido movimiento y disponibles gratuitamente que potencialmente satisfacen una necesidad valiosa y única en el mercado, pero que es extremadamente costosa y difícil de extraer. Lo que más me gusta de los datos operativos es que están disponibles gratuitamente para usted, pero no para su competencia. Permítame mostrarle dónde está el valor real de su enorme cantidad de datos operativos gratuitos.
VER: Glosario rápido: Inteligencia de negocios y análisis (Tech Pro Research)
Lo que necesita saber sobre la Inteligencia Operativa
Estaba trabajando con los líderes de Cargill, una gran empresa agroalimentaria que posee plantas de procesamiento en todo el mundo, y tuvimos una interesante discusión sobre la Inteligencia Operativa (OI) y cómo su empresa podría beneficiarse de la ampliación de su base de datos.
Desde que comencé como consultor de inteligencia de negocios y almacenamiento de datos, mi visión de OI comenzó como el resultado natural de un almacén de datos operativos. Cuando me incorporé a la consultoría de gestión, asumí una perspectiva más orientada a las operaciones comerciales, y el valor que la información puede proporcionar a esa función. Los dos no son mutuamente excluyentes, pero el cambio de perspectiva es digno de mención.
Más información sobre Big Data
Hay una jerarquía que es importante entender. Los datos que se recopilan para una unidad individual (planta, instalación, sitio, etc.) pueden denominarse Site Intelligence. Podemos entonces pensar en la OI como la agregación de la inteligencia del sitio recopilada de todas las unidades que componen las operaciones comerciales. Cuando se combina la OI con otras funciones empresariales importantes como Ventas y Marketing, Finanzas y Servicio al Cliente, se obtiene una verdadera inteligencia empresarial. OI representa un importante punto de madurez estratégica para la empresa.
La importancia estratégica de la OI
La OI representa la amplitud del conocimiento, un hito importante y desafiante en la madurez analítica de una empresa. Si usted tiene 1.000 sitios en todo el mundo y cada sitio recopila, procesa y analiza sus propios datos operativos, entonces lo máximo que cualquier sitio puede saber es lo que hay dentro de sus propias paredes. Esta es una situación común, ya que típicamente hay un gerente de sitio que maneja los datos de la manera que mejor le ayuda a lograr las metas de rendimiento de la planta.
La consolidación y estandarización de los datos del sitio amplía la base de información de la empresa en beneficio de todos. Con un sistema OI organizado de forma centralizada, los administradores de sitios pueden obtener información sobre el rendimiento de otros sitios; abre canales para la clasificación del rendimiento basada en datos, el aprendizaje continuo a partir de las mejores prácticas y el establecimiento de puntos de referencia precisos. Los ejecutivos se benefician de tener acceso a los datos individuales del sitio y a los análisis agregados para impulsar el rendimiento estratégico general. Todo el mundo se beneficia una vez que el sistema OI se despliega y madura.
Cómo construir un sistema OI
La implementación de un sistema de OI no es una tarea fácil: hay que superar desafíos estratégicos y tecnológicos. Usted debe manejar primero la parte estratégica y luego tratar los aspectos técnicos.
Primero debe entender cómo racionalizar conceptualmente todos sus sitios. ¿Cuál es la importancia estratégica de todos los sitios en las operaciones de su negocio y cómo medirá el rendimiento en conjunto? ¿Cómo contribuyen las operaciones comerciales a la salud general de la empresa y cómo se comunicará a través de los indicadores clave de rendimiento? Este ejercicio debe dar como resultado un cuadro de mando que se alinee con sus esfuerzos técnicos.
El análisis de metadatos es el siguiente paso. El equipo estratégico y el equipo técnico deben trabajar juntos para mapear los datos desde el cuadro de mando hasta los sitios. Generalización, filtración y transformación son tres actividades clave que este equipo debe realizar. La generalización implica el mapeo de puntos de datos similares en un concepto común; la filtración es la exclusión e inclusión intencional de datos; y la transformación es el conjunto de reglas que mueve los datos incluidos a conceptos comunes.
Finalmente, el hardware debe ser considerado – no serían datos grandes si no fuera extremadamente caro y difícil de extraer. Eso debería ser una pista en su enfoque. Si, después de desarrollar su scorecard y su análisis de metadatos, se da cuenta de que puede abordar este problema con una base de datos relacional, no tiene un gran problema de datos.
Un ejemplo real de OI en acción
Para ayudarte a ver esto en acción, te daré un caso de uso de mi trabajo en Chevron.
Chevron tiene varias refinerías operadas en todo el mundo que procesan el petróleo crudo en otros productos petroleros. Cada refinería cuenta con varias plantas que utilizan una tecnología de proceso (destilación de crudo, craqueo, etc.. En total, trabajé con unas 250 plantas para ayudarles a realizar la transición a estrategias de activos estandarizadas y basadas en el riesgo.
Para lograr esto, primero necesitábamos entender el perfil de riesgo en cada planta. Podríamos haber parado allí, pero no lo hicimos. Reconociendo la oportunidad de la OI, hicimos una lluvia de ideas sobre cómo podríamos comparar los perfiles de riesgo entre plantas que tienen tecnologías de proceso similares. Esto es algo más que un esfuerzo único: la implementación de esto requiere un seguimiento constante de los datos operativos para evaluar los perfiles de riesgo en tiempo real. Y aunque podríamos mantener esto a nivel de sitio, los perfiles de riesgo son mucho más precisos cuando se incorporan OI de plantas similares.
VER: Política de Grandes Datos (Tech Pro Research)
Resumen
El volumen es uno de los mayores desafíos de los grandes datos, y las operaciones comerciales son un área en muchas compañías que arroja grandes cantidades de datos. La aplicación de la analítica de datos de gran tamaño a los datos operativos es una forma estupenda de poner en marcha sus esfuerzos de OI, si tiene sentido.
Incluso si sospecha que necesitará tecnología sofisticada para agregar y procesar todos los datos operativos que provienen de todos sus sitios, esa no es razón para ir directamente a la gran tienda de datos para comprar hardware. Comience con un cuadro de mando estratégico y un análisis exhaustivo de la forma en que asignará los datos a los sitios.
Una vez que todo esté en su lugar, y tenga un buen caso de negocio, ¡hágalo! Los conocimientos operativos están a la espera de ser descubiertos.
Boletín informativo de Big Data Insights
Domine los fundamentos de la analítica de datos de gran tamaño siguiendo estos consejos de expertos y leyendo los conocimientos sobre las innovaciones de la ciencia de datos. Lunes de entrega