Resolver Problemas Consiga ayuda para problemas específicos con sus proyectos, procesos y tecnologías.

Muchas empresas piensan en pequeño cuando se trata de técnicas de data mining

He aquí algunas pautas generales para que las empresas puedan mover hacia delante sus iniciativas de analítica de datos.

A pesar de que el campo de la analítica predictiva todavía tiene que madurar, está al borde de volverse popular, lo que significa que las empresas deben empezar a pensar en maneras en que pueden beneficiarse de las técnicas de minería de datos, dijo Fern Halper, director de investigación de TDWI.

En declaraciones dentro del marco de un seminario de TDWI titulado “Análisis predictivo para acelerar las ventajas de negocios”, Halper dijo que el ritmo al que las organizaciones están adoptando la tecnología de análisis predictivo está aumentando. Al mismo tiempo, los resultados de una encuesta recientemente completada por TDWI a 370 profesionales de analítica mostraron que muchos tienen una visión limitada en cuanto a los posibles usos de estas herramientas. La mayoría ve a la tecnología como un medio para incrementar la eficiencia, predecir el comportamiento del cliente e identificar los riesgos. Sin embargo, Halper dijo que el verdadero valor de la analítica predictiva es su capacidad para poner a un negocio aparte de sus competidores.

Los encuestados no citaron cosas a futuro, como diferenciadores competitivos, que es en realidad la forma en que una gran cantidad de empresas exitosas mira el análisis”, dijo ella. “Así que eso sugiere que, si bien el análisis predictivo se está volviendo popular, aún es muy pronto”.

Hay algunas formas en que las empresas pueden empezar a mover hacia delante sus iniciativas de analítica. Halper dijo que las técnicas de minería de datos deben ser ejecutadas por las personas adecuadas, utilizando la tecnología más adecuada. Esto puede significar diferentes cosas para diferentes organizaciones, pero hay algunas pautas generales a seguir .

  • No espere resultados de un día a otro. Halper dijo que una gran parte del trabajo necesario para hacer que los proyectos de análisis tengan éxito está impulsado por las relaciones. Los usuarios de negocios necesitan confiar en que los desarrolladores de TI les entregarán los servicios que necesitan. Esta confianza no se desarrolla inmediatamente.

  • Trabaje en pasos. Las empresas que intentan hacer malabares con demasiadas piezas de buenas a primeras, inevitablemente dejan caer algunas cosas. Halper dijo que las organizaciones deben empezar implementando lentamente herramientas y procesos de análisis predictivo. Esto ayuda a asegurar que la tecnología está en suelo sólido, y los trabajadores tienen tiempo para adaptarse a los cambios.

  • Piense en las habilidades que necesita en casa. Los proveedores han estado ocupados produciendo sistemas predictivos que prácticamente se ejecutan ellos mismos. Halper dijo que esta tecnología puede ser un buen punto de partida para las empresas que tienen necesidades limitadas de analítica, pero deben entender que solo llegarán hasta cierto punto con las opciones más simples. Las organizaciones deben pensar en si van a necesitar un estadístico o un científico de datos en la empresa.

  • Piense en la organización. No existe un modelo perfecto para organizar los proyectos de analítica. Algunas empresas forman pequeños equipos para liderar proyectos, mientras otras desarrollan centros de excelencia que incorporan miembros al equipo desde diferentes departamentos. Algunos incluso están contratando directores de analítica para liderar iniciativas desde arriba hacia abajo. Cualquiera que sea la mejor opción para su negocio, simplemente asegúrese de que la estructura de la organización es clara desde el principio, dijo Halper.

  • Administre sus modelos. Halper dijo que para muchas empresas que están avanzando primero con analítica predictiva les resulta relativamente fácil desarrollar su primer modelo de datos. Sin embargo, una vez que la organización se vuelve más madura y empieza a utilizar muchos modelos, es fácil enredarse. Ella recomendó que las empresas trabajen con su proveedor en el desarrollo de un sistema para la gestión de diversos modelos.

  • Piense acerca de los diferentes tipos de datos. La mayoría de las empresas que se dedican al análisis predictivo basan sus modelos principalmente en datos estructurados y demográficos. Sin embargo, hay un grupo creciente de datos no estructurados, como los mensajes de las redes sociales y otros tipos de contenido en línea, que pueden mejorar los modelos. Los usuarios de analítica deben tratar de ver si pueden abarcar diferentes tipos de datos.

  • Considere nuevas tecnologías. La tecnología emergente puede ser exactamente lo que las empresas necesitan para aprovechar los nuevos tipos de datos, dijo Halper. Nuevas plataformas de análisis, tales como Hadoop, están haciendo más fácil que nunca analizar datos no estructurados.

  • Diseñe primero su base de inteligencia de negocios. Halper dijo que las empresas tienen que ser capaces de caminar antes de que puedan volar. Una infraestructura sólida de BI a menudo le da soporte a las organizaciones en su intento de desarrollar técnicas más intensivas de minería de datos. Muchas de las lecciones aprendidas de levantar una infraestructura de BI serán pertinentes para el desarrollo de las capacidades de análisis predictivo. Parte de la tecnología, como un almacén de datos (data warehouse) estándar, también ayudará.

 

Este artículo se actualizó por última vez en febrero 2014

PRO+

Contenido

Encuentre más contenido PRO+ y otras ofertas exclusivas para miembros, aquí.

Guía Esencial

Principios de la analítica de datos: una guía esencial

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Enviando esta solicitud usted acepta recibir correos electrónicos de TechTarget y sus socios. Si usted reside afuera de Estados Unidos, esta dando autorización para que transfiramos y procesemos su información personal en Estados Unidos.Privacidad

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close