La analítica avanzada es una herramienta cada vez más importante en la toma de decisiones de las compañías. Esto implica no solo tratar los datos históricos, sino también predecir posibles eventos y comportamientos que nos ayuden a afrontar cambios en el negocio y automatizar procesos. A este respecto, la reunión de Advanced Analytics organizada por el Grupo de Trabajo de AUSAPE coordinado por Didac Moya se celebró el pasado 14 de diciembre con el fin de mostrar  a los asociados las posibilidades de la analítica avanzada en SAP, así como diversos casos de uso de las nuevas prácticas de analítica descriptiva, predictiva y prescriptiva, mediante técnicas de machine learning e inteligencia artificial.

En primer lugar, Rául Escudero, managing partner de Business Analytics en Stratesys, habló del potencial de la analítica avanzada para la transformación digital de las empresas. Escudero explicó cómo la analítica avanzada combina los enfoques descriptivo, predictivo y prescriptivo, para tratar datos y sacar insights que nos den la información necesaria para tomar decisiones, analizando tanto lo que sucedió en el pasado como lo que pasará en el futuro, así como aconsejar acerca del mejor escenario. Entre las técnicas que mencionó están el big data, data mining y predictive data.

A continuación, Víctor Sierra, experto en soluciones SAP BI de Stratesys, comentó el panorama de SAP relacionado con analítica avanzada, incluyendo las partes de big data, datos transaccionales y analytics. La analítica avanzada es transversal a estas tres áreas, aunque Sierra incidió en los escenarios predictivos de S/4HANA, la analítica en BW/4HANA y Data Warehouse Cloud y las funciones más importantes de SAP Analytics Cloud.

 

Dentro de la analítica avanzada de SAP, Sierra destacó cuatro grandes bloques: Smart Assist, que facilita el análisis; Predictive, con forecasting y smart predict; R-Integration, que crea visualizaciones personalizadas, y Analytical App & Widgets, que permite desarrollar aplicaciones analíticas adaptadas al negocio.

A continuación, se presentaron casos de uso de análisis de datos en cuatro áreas: People analytics y retención de talento, Modelos de predicción de la demanda, Simulación del valor de cartera inmobiliaria y Gráficos interactivos para la analítica en el sector retail. En el primero se explicó cómo evitar la fuga de talento mediante la solución People Analytics, que describe la situación de la plantilla cruzando datos como el desempeño y la satisfacción de los empleados, los salarios, horas trabajadas o tipo de contrato. Además, analiza cómo impactan las acciones de la compañía en los empleados con mayores posibilidades de marcharse.

En el segundo, se comentaron los modelos de predicción de la demanda, con el análisis de las ventas en diferentes estaciones de servicio. Gracias a ellos se prevé la demanda que va a haber, lo que permite optimizar la logística de la empresa. En el tercer ejemplo, se observó cómo usar un algoritmo de machine learning para evaluar la cartera de pisos de una inmobiliaria y tener una visión real del valor de mercado de sus activos en todo momento.

En cuarto lugar, se mostró el análisis de ventas de centros comerciales mediante gráficos interactivos, que permite localizar las ventas sobre el mapa del propio centro comercial, utilizando una App analítica en SAP Analytics Cloud, Java, Widgets… Aunque se usa para retail, puede adaptarse a cualquier otro aspecto de un negocio: stock, gestión de residuos, demanda de transporte… Por último, en el turno de preguntas se plantearon cuestiones acerca del compliance del machine learning sobre datos de empleados.