En este post centramos la atención en el primer paso del proceso de Gestión de la Información (GI), tema del post “La Gestión de la Información en la empresa de hoy” publicado recientemente. El objetivo en esta primera etapa es la captura del dato allá donde se origina, y su volcado en un repositorio o almacén de datos sobre el que podamos actuar en las siguientes etapas del proceso.
Abordamos las preguntas claves para una eficaz gestión de esta etapa: ¿es realmente relevante ese dato?, ¿aporta el suficiente detalle o precisión?, ¿lo obtenemos en el momento oportuno, con la suficiente antelación?, ¿de la manera más simple posible?. Seguidamente exponemos los tipos y orígenes de datos que nos encontramos actualmente con más frecuencia en el mundo de la empresa para el análisis y la toma de decisiones.
Requisitos del Dato e Identificación de las necesidades de información
Antes de invertir tiempo y recursos técnicos para conseguir capturar un dato, debemos previamente habernos planteado la pregunta de si ese dato es relevante. Clásicamente, se ha definido la relevancia del dato, como el grado de necesidad del mismo para tomar una decisión. Descendiendo un poco más al día a día de la empresa, podríamos concretar esta premisa en preguntas más concretas como: ¿puede ayudarnos a comprender mejor el negocio?, ¿a gestionar mejor nuestros procesos?, ¿nos puede ayudar a detectar oportunidades?, ¿a dirigir mejor nuestros esfuerzos de marketing?, ¿a mejorar la calidad de nuestros productos/servicios?, ¿a ser mejor percibido y valorado por el cliente?. En definitiva, el dato es relevante, si nos ayuda a cumplir con los objetivos y mejorar como empresa.
Una vez hemos respondido afirmativamente a estas preguntas, es decir, estamos convencidos de que el dato es valioso, debemos concretar aspectos como su:
PRECISIÓN: el nivel de detalle y fiabilidad. Por ejemplo, si estamos interesados en incorporar como dato para establecer nuestros objetivos de ventas, las previsiones económicas de crecimiento mundial para nuestro sector, si somos una empresa internacionalizada nos interesará conocer el detalle por país, mientras que si nuestro mercado es el nacional, nos bastará con la previsión sólo para un país concreto. Si esas previsiones no se han cumplido en los últimos años, probablemente debamos cambiar de fuente, pues su fiabilidad es baja.
OPORTUNIDAD: el momento en que lo obtenemos y su potencialidad para generar una ganancia futura. En el caso de una oferta relevante pendiente de aceptación, que suponga una variación fuerte en la previsión mensual de ingresos, o de ocupación de recursos, el ejecutivo necesitará conocer su aceptación o rechazo al instante (en tiempo real) y no al cierre del mes, para así poder reaccionar. Si un cliente ha entrado en nuestro portal web y consultado información sobre alguno de nuestros productos recientemente, constituirá una oportunidad de venta el saberlo con vistas a incluirlo en una campaña de marketing para ese producto.
SIMPLICIDAD: en el caso de la oferta rechazada del ejemplo anterior, bastaría con un mensaje de texto donde conste la referencia de la oferta, el cliente y el importe. En el caso del diseño de la campaña de marketing, necesitaremos un detalle del número de consultas por producto y cliente. Es un aspecto también relacionado con el de “precisión”.
Tipos y Orígenes de Datos
Respecto a los tipos de datos, desde un punto de vista científico y orientado a la programación, se distingue entre estructurados, no estructurados y semiestructurados. Un conjunto de datos es tanto más estructurado, cuanto mayor sea su nivel de organización (se agrupan en base a un criterio) y tipado (restricciones de los valores que pueden tomar). Cuanto más estructurado es un dato, más fácil resulta el acceso al mismo y el interrogarlo para obtener respuestas, es decir, su análisis.
En la empresa actualmente nos encontramos mayoritariamente con datos estructurados, pero la penetración de las nuevas tecnologías (TIC) ha ido abriendo el camino a datos no estructurados (sms, e-mails, mensajes en redes sociales, cadenas de búsqueda en Internet, es decir, texto libre) y semiestructurados (como por ejemplo el contenido HTML de las páginas web, las direcciones URL de las mismas, o los ficheros XML). Recientemente se ha introducido el término de “Big Data” para referirse al volumen de datos no estructurados que pueden ser de interés para una organización, cuyo origen es fundamentalmente internet, y para los que ya empieza a surgir un mercado de aplicaciones informáticas específicas.
Los orígenes de datos estructurados en la empresa más frecuentes son las bases de datos relacionales de los sistemas informáticos de gestión. En éstas los datos se organizan en tablas y éstas se relacionan entre sí por determinadas columnas. Para disminuir los tiempos de respuesta en los análisis contra bases de datos relacionales, surgieron las bases de datos OLAP, donde los datos se organizan en cubos multidimensionales en lugar de en tablas.
Otros orígenes de datos estructurados lo proporcionan las herramientas ofimáticas en uso en la empresa, como las hojas de cálculo, que en el fondo responden a una organización tabular, y nos permiten guardar los ficheros que contienen los datos en formatos también de texto plano (.csv). En la práctica, en la pyme, solemos encontrar los presupuestos y previsiones en hojas de cálculo.
En esta primera etapa del proceso GI debemos de ser capaces de implementar a nivel técnico los procesos de extracción periódica necesarios para manejar esta heterogeneidad de tipos y orígenes, y así poder continuar con el proceso de preparación, modelado, análisis y distribución.
Sergio Álvarez Clau
Consultor de Negocio -DATADEC-