Universidad de Lima

Actualmente, las empresas cuentan con grandes volúmenes de información y necesitan sistemas que las ayuden a procesarla y gestionarla. Sobre este tema trató el webinar “Análisis de datos en la industria. ¿Cómo armar tableros de control que ayuden a la toma de decisiones?”, parte del ciclo Herramientas de Inteligencia de Negocios, organizado por la Carrera de Ingeniería Industrial de la Facultad de Ingeniería y Arquitectura de la Universidad de Lima, el 17 de septiembre.

La exposición estuvo a cargo de Diego Villarán, consultor sénior de EY Perú, con más de seis años de experiencia profesional liderando y ejecutando proyectos locales e internacionales con el uso de técnicas de análisis, procesamiento y visualización de datos.

Dio inicio al evento Ruth Vásquez, directora de la Carrera de Ingeniería Industrial de esta Casa de Estudios. Ella mencionó que “en un entorno complejo, el manejo de la información se vuelve de vital importancia para la toma de decisiones. Gestionar grandes volúmenes de información, a través de soluciones tecnológicas, permitirá diseñar tableros de control de la manera más eficiente”.

Al terminar la presentación del evento, Diego Villarán inició su exposición: 

“Se escucha hablar bastante de la era digital y la transformación digital. De hecho, es la tendencia de hoy en las empresas, en las instituciones educativas y en nuestro día a día en general. Actualmente contamos con mucha información que nos permite tomar decisiones con más posibilidades de cálculo. Hace unos años, en cambio, no hablábamos de Big Data, porque no se tenía tanta información a nuestra disposición”. 

Asimismo, indicó que antes no había necesidad de tener plataformas ni metodologías para procesar la información. Sin embargo, señaló la necesidad cada vez más apremiante de migrar hacia servicios en la nube, como consecuencia del proceso de digitalización.

Y comentó sobre Data Analytics, que no solo ayuda a mirar datos e interpretarlos, sino también a analizar, procesar la información y crear ciertas rutinas para validar y representar teorías. “Si quiero saber si me va a ir bien el próximo año, manteniendo determinado volumen de ventas, puedo usar analítica”, puntualizó Diego Villarán. 

Tipos de análisis

Por otro lado, definió tres niveles dentro de los tipos de análisis de data que existen: descriptivo, predictivo y prescriptivo. El descriptivo responde a la pregunta qué ha sucedido, el predictivo contesta qué podría suceder e implica ingresar al ámbito de Big Data. El prescriptivo ofrece una respuesta a la pregunta qué debemos hacer. Este es el nivel más complejo. Lo que busca es sugerir ciertas acciones sobre el proceso de análisis de datos. Y esto, advirtió Villarán, se lleva a cabo en varios pasos. 

El expositor señaló que el primer paso es el diagnóstico de los datos y consiste en identificar la información que vamos a analizar. El segundo se trata de la definición del objetivo de análisis. Por ejemplo: cómo estoy en mis ventas o qué oportunidades de mejora tengo en relación con mis puntos de control interno. El tercer paso es la transformación de datos en diferentes tecnologías y dejarlos listos para un tablero de control. Esto lo hace un ingeniero de datos. El cuarto paso es el tablero de control en sí. 

Estos pasos son los más importantes, pero agregó Villarán:

“Hay una segunda capa, que ayuda a tomar una mejor decisión. El tablero de control sirve bastante bien para responder preguntas y ayudar con la toma de decisiones, pero le podemos agregar un componente de automatización”. 

La segunda capa

A continuación, el experto indicó que puede ser que hayamos identificado una base de datos que necesite ser actualizada diariamente. En ese caso, tendríamos que construir una rutina en el sistema, que actualice constantemente estos tableros de control. “Ese es un componente de automatización. Ya no solo implica extraer los datos, transformarlos y mostrarlos, sino además actualizarlos con cierta frecuencia”, añadió. 

Cuando los tableros de información comienzan a tener una gran cantidad de datos, una sola persona no puede interpretarlos, se requiere un equipo para realizar esta tarea. Es así que se dividen las funciones entre los diferentes miembros del equipo. Por ejemplo, una persona analiza compras, otra ventas, otra riesgos, etcétera. En esta última capa se aplica analítica avanzada. 

A modo de ejemplo, Villarán comentó que un tema que se trabaja con los tableros es la comparación de los precios de adquisición pagados por un mismo producto o equipo. Este es un insight clásico cuando se analiza data de adquisición de bienes y servicios. 

En otro momento de su exposición, Villarán se refirió a los desafíos que asumen las organizaciones para aplicar analíticas. Ofreció el ejemplo de una compañía ficticia creada para el momento de su presentación. Su objetivo era mostrar que es importante tener siempre un panel principal que muestre el estado actual de la empresa, de manera resumida. 

Por ejemplo, mostró en el tablero el valor de compra, los proveedores ordenados de mayor a menor, el comportamiento de los manuales de compra en diferentes años, cómo está distribuido el valor de compra en las diferentes regiones del país. “Todo esto es dinámico, en el sentido de que toda esta información interactúa con lo que el usuario busca, hace comparaciones de cifras, años, proveedores, etc. En ese sentido, ayuda a tomar decisiones”, afirmó.