Cuentan con datos en hojas de cálculo, contabilidades y hasta ERP, a los que podrían sacar más jugo

Por: Carlos Cordero Pérez 29 enero
 Las pymes cuentan con datos que pueden aprovechar para la toma de decisiones con herramientas y servicios de big data de bajo costo, así como de fácil manejo.
Las pymes cuentan con datos que pueden aprovechar para la toma de decisiones con herramientas y servicios de big data de bajo costo, así como de fácil manejo.

Las pequeñas y medianas empresas (pymes) pueden aprovechar las tecnologías de gestión de grandes volúmenes de datos, conocidas como big data , para la generación de nuevos negocios.

Las pymes que cuentan con algún nivel de formalización, en especial cuando ya tienen una contabilidad como mínimo para las declaraciones de impuestos ante Tributación, pueden utilizar la información registrada de compras a proveedores, inventarios y ventas a clientes para determinar comportamientos, tomar decisiones e innovar en sus procesos y productos.

Ya sea que la empresa lleve la información en una hoja de cálculo, en un software de contabilidad o en uno gerencial tipo enterprise resource planning (ERP) o en un cuaderno (cuya información habría que registrar en una hoja de cálculo) se puede obtener análisis de los datos.

“Depende de cuánta información tenga. No solo se ve la línea de balance, sino que se puede ir al trasfondo, ver la historia e identificar comportamientos en forma predictiva ”, dijo Hernán Rojas, que impulsa un proyecto de un servicio de big data en la nube para pymes en el Instituto Tecnológico de Costa Rica (ITCR). De ser aprobado, el servicio en Internet estaría en dos años.

La idea es que las empresas suban la información. El servicio le permitiría realizar los cruces de variables que necesite o le interese. Además, se complementaría con sistemas de inteligencia artificial y de análisis de contexto para hacer búsquedas y análisis sencillos.

¿Cómo se haría?

Con la tecnología de big data se pueden determinar las variables de datos de mayor interés para tomar decisiones y verlo de forma “granular”, por cada cliente, proveedor o producto.

Con big data se puede identificar el comportamiento en la rotación del inventario, las reacciones a los cambios de precios, alteraciones en la demanda.

En el caso de los clientes que tienen cuentas por cobrar se podría ver la información de cuándo suelen cancelar, el tiempo que tardan en pagar y hasta en cuáles épocas se atrasan más, para identificar tendencias y conductas.

La diferencia es que cuando un gerente compara los datos de un informe contable de un año con los datos del informes del año anterior, solo ve datos generales, consolidados. Con big data ve información específica y detallada, según las variables de interés elegidas y por periodos más extensos para un análisis más preciso.

Incluso se puede determinar los clientes que se ven afectados (y dejan de comprar o de pagar) por un incremento en las tasas de interés de los créditos o del dólar.

Y se puede ir más allá .

“No se trata solo de usar la información básica que una empresa tiene. Podría aprovechar otros datos. Por ejemplo, toda la información que tiene un cliente en Internet o en sus redes sociales por ejemplo”, dijo Oldemar Rodríguez, director del Programa Iberoamericano en Formación en Minería de Datos (Promidat). Esta es una entidad que ofrece capacitación en línea para pymes en herramientas gratuitas o de bajo costo para big data .

También es posible hallar y procesar información de la competencia . Para lograrlo, se aprovechan métodos de web mininig o minería de datos en Internet, que es el proceso de detectar los datos en los conjuntos grandes de información en la web y de deducir patrones y tendencias, utilizando el análisis matemático.

El principio básico es que, si hay más información disponible , se establecen mejores estrategias de venta y de productos, basándose en datos y variables medibles. Además, se puede anticipar la demandas de los clientes.

Entre los datos de los consumidores (actuales y potenciales) que se obtienen están sus opiniones de las marcas, lo que compran, qué sitios web visitan, cómo y con quién interactúan en redes sociales, qué recomiendan, el entorno y el clima donde viven, y el nivel socioeconómico.

Si toda esta información se usa en concordancia con los objetivos empresariales, las pymes obtienen un mayor conocimiento del negocio y son capaces de mejorar su organización, gestión y planificación para alcanzar una ventaja competitiva y acelerar el retorno de la inversión.

La clave –aparte de recolectar, preparar, ordenar y enriquecer los datos– es descubrir las relaciones en la información. Esto lo hacen las soluciones de big data .

Dada la ventana de información que constituyen las redes sociales, es clave identificar cuáles son los atributos que responden a la demanda de los consumidores.

Así se anticipan las tendencias de consumo y los movimientos de la competencia. Además, se adaptan los contenidos de mercadeo a los atributos de la marca que hay que reforzar.

“El big data constituye una herramienta de mejora del negocio en todos los sentidos. Su efectividad depende de su correcta aplicación”, dijo Susana Expósito, CEO de Táptico Marketing.

Esta es una consultora que utiliza herramientas de big data e ingeniería algorítmica y trabaja en una herramienta para monitorear redes sociales y diseñar estrategias de mercadeo.

Paso a paso

Con el big data se aplican técnicas de de estadística y computación.

Set de datos y variables: Se integra y cataloga la información de las distintas bases de datos. Se eligen las variables y datos de interés.

Determinar cluster de datos: Se definen los agrupamientos de la información que se dispone. El sistema utiliza métodos estadísticos.

Generar cluster de datos: Se generan los agrupamientos de información que interesan para una mejor correlación de los datos.

Análisis histórico: Se realiza el análisis de distintos periodos a nivel granular o detallado por producto, cliente o proveedor.

Caracterización: Se identifica, jerarquiza y se establece el peso de las variables dentro de los grupos de datos en escalas que sean comparables.

Fuente Hernán Rojas, del ITCR.