¿Qué es la analítica embebida?

La analítica embebida es la integración perfecta de capacidades analíticas, datos y visualización en una plataforma, producto de software o flujo de trabajo existente. Los análisis se fusionan en la plataforma/software utilizado por las partes interesadas en una empresa para que esté disponible como una característica o funcionalidad principal y no como una herramienta separada. Este enfoque aprovecha la familiaridad de las partes interesadas con la plataforma/software, haciendo que los análisis sean más útiles y asimilables en el flujo de trabajo habitual o en proyectos de rutina.

La analítica embebida es una clasificación de implementación y se centra más en cómo se implementan los análisis dentro de una organización o sistema que en cómo se visualizan o realizan. El término fue introducido originalmente por Howard Dresner, considerado el padre de la inteligencia de negocio (como se define hoy), en 2007.

Componentes de la analítica embebida

Los componentes centrales de la analítica embebida no son diferentes de los análisis implementados convencionalmente, pero deben manejarse/abordarse desde una perspectiva de integración.

Datos (fuentes, tipos y limpieza/procesamiento):

El componente de datos de la analítica embebida se centra en de dónde provienen los datos, qué tipos de datos ingresan al negocio, cómo se preprocesan/limpian para su evaluación y cómo se muestran/accesibles los datos sin procesar para las partes interesadas (si es así). Es posible que la plataforma donde se deben integrar los datos no pueda manejar solicitudes relacionadas con datos de forma nativa, y tener en cuenta esta limitación debería convertirse en parte de la estrategia de desarrollo e integración.

Análisis (métodos y técnicas):

Cómo se analizan los datos, qué algoritmos y técnicas de análisis se les aplican y cuánto control tiene una parte interesada sobre los métodos y protocolos de análisis son factores que deben considerarse al desarrollar o implementar el componente de análisis de la analítica embebida.

Visualización:

Identificar los diversos componentes de visualización que necesitan las distintas partes interesadas y cómo se pueden integrar/integrar en la plataforma/software que utilizan para conectarse con las empresas puede agilizar el desarrollo y la implementación. Se convierte en un desafío en entornos donde las partes interesadas tienen dispositivos que no pueden asimilar los elementos modernos de visualización de datos.

Navegación:

Otro aspecto de la analítica embebida es la navegación, la profundización y el recorrido a medida que se navega entre la aplicación/proceso y el análisis/BI.

Personalización:

Cuánta personalización necesita y puede realizar una parte interesada son dos preguntas diferentes que deben plantearse y responderse al desarrollar o elegir la analítica embebida. Gran parte del acceso a la personalización puede resultar difícil de integrar, especialmente en una plataforma o software relativamente restringido como los que utilizan las instituciones financieras o de defensa.

Controles éticos y reglamentarios:

Estas comprobaciones se pueden aplicar en varios niveles, incluidas las fuentes de recopilación de datos y las puertas de enlace que aceptan los datos en la plataforma/software principal que utilizará la analítica embebida. Su ubicación debe decidirse antes del despliegue.

Beneficios de la analítica embebida

Al igual que los análisis implementados o utilizados convencionalmente disponibles como una herramienta o producto de software independiente que varias partes interesadas pueden utilizar en paralelo a su plataforma/software principal, la analítica embebida puede ser crucial para la inteligencia de negocio. La inteligencia de negocio es el software, plataforma o herramienta que ayuda a una empresa a utilizar sus datos y análisis para tomar decisiones empresariales fundamentadas/inteligentes. Los datos, en su forma cruda, son similares a un recurso útil no minado. El análisis hace que lo que hay dentro de la "mina" sea utilizable y útil. Finalmente, la inteligencia de negocio le ayuda a determinar dónde y cómo se debe utilizar.

Sin embargo, ofrecen múltiples beneficios sobre los análisis implementados tradicionalmente.

• La analítica embebida acelera la adopción tanto de análisis como de inteligencia de negocio. Una vez que los análisis estén disponibles en un entorno familiar y más accesibles, será más fácil aprovecharlos en la toma de decisiones empresariales.
• La analítica embebida empodera y alienta a las partes interesadas de una empresa a utilizar los datos/análisis disponibles de maneras más completas e inventivas. Si los datos analíticos se van a transferir desde una fuente separada, resulta más difícil asimilarlos al flujo de trabajo natural, lo que resulta en casos de uso limitados. Pero si está integrado en el flujo de trabajo y en software/plataformas familiares, las partes interesadas pueden usarlo para cada instancia aplicable.
• La analítica embebida puede eliminar o reducir significativamente los errores humanos si los datos se conectan manualmente al entorno de rutina. También pueden reducir los casos de fricción si los datos analíticos se conectan a la plataforma/software principal a través de la interfaz de programación de aplicaciones (API).
• La analítica embebida y las capacidades de BI integradas también pueden conducir a decisiones empresariales mejores, más fundamentadas y basadas en datos, que ayudan a actuar sobre los datos directamente desde las visualizaciones.
• La analítica embebida también puede hacer que los datos de análisis e inteligencia de negocio sean más accesibles para una variedad más amplia de partes interesadas. Si está personalizado para su flujo de trabajo y están autorizados a acceder a él, los análisis pueden estar disponibles para prácticamente cualquier persona dentro de la industria (o para partes interesadas externas) incorporándolos a la plataforma/software que utilizan para conectarse con el negocio.

Estos beneficios son más evidentes/prevalentes en casos de uso en los que prácticamente no existe separación entre la inteligencia de negocio y la analítica embebida, y los dos se integran colectivamente en el flujo de trabajo, el software o la plataforma que suelen utilizar las partes interesadas (suponiendo que no sea la plataforma de inteligencia de negocio en sí misma).

Estos beneficios también hacen que la analítica embebida sea una alternativa viable al enfoque tradicional de inteligencia de negocio, que puede aislarse y estar disponible sólo para un número limitado de partes interesadas de una organización.

Desafíos y consideraciones de implementación de la analítica embebida

Existen varios factores que debe tener en cuenta al seleccionar la solución de analítica embebida adecuada para su negocio. Esto incluye su compatibilidad con su software/plataforma empresarial existente, sus necesidades de análisis, recursos disponibles, conocimientos de datos de las partes interesadas, etc. Pero si toma la decisión correcta, es posible que la implementación no sea todo un desafío.

Por el contrario, si está desarrollando e implementando la analítica embebida, existen varios desafíos y consideraciones que debe tener en cuenta.

Desafíos

• Integración con infraestructura inflexible y heredada. Incluso si la funcionalidad de la analítica embebida es de última generación, integrarla con una infraestructura o plataforma no optimizada la ralentizará al nivel de la plataforma. El peor de los casos podría ser que la incorporación de análisis entre en conflicto con el rendimiento de la plataforma original.
• Una comprensión inadecuada de sus necesidades analíticas. Muchas empresas optan por un enfoque de solución primero para sus necesidades de análisis, es decir, elegir buenas herramientas de análisis antes de haber identificado completamente sus necesidades de análisis y definido un enfoque o prácticas de análisis. Esto les dificulta elegir las opciones de analítica embebida adecuadas (o crear las funcionalidades adecuadas) que pueden no alinearse con sus necesidades de inteligencia de negocio.
• Desafíos de las partes interesadas en materia de alfabetización digital y de datos. Técnicamente, la analítica embebida es una solución para hacer que las partes interesadas sean más "conscientes de los datos" y ayudarlos a integrar datos y análisis en su toma de decisiones y acciones rutinarias. Pero incluso esto puede resultar complicado sin una base sólida de alfabetización en datos. Incluso si la empresa puede capacitar a sus partes interesadas internas sobre la analítica embebida, la adopción puede no ser más fácil para las partes interesadas externas, principalmente clientes/consumidores.
• Las transformaciones/fluctuaciones en el ámbito de la analítica son la norma. Las empresas pueden perder el acceso a diversos flujos de datos debido a cambios operativos o regulatorios (como la eliminación gradual de las cookies de terceros). Esto puede requerir una renovación de la analítica embebida. Incluso si el flujo de datos de una empresa no cambia con el tiempo, las técnicas y métodos analíticos pueden cambiar, y la analítica embebida debe estar adecuadamente posicionada para integrar los cambios positivos.
• La dificultad de incorporar herramientas de análisis preexistentes a la infraestructura digital existente. Una amplia gama de personas dentro de una empresa utiliza una variedad de herramientas de análisis, incluso si no tienen una plataforma de inteligencia de negocio tradicional o analítica embebida. Integrarlos en la infraestructura digital existente de la empresa puede no ser posible o técnicamente factible, e incorporar diferentes análisis con los que las partes interesadas pueden no estar familiarizadas puede introducir una curva de aprendizaje y causar fricciones en la adopción.
• Técnicas de análisis incorrectas o un enfoque inadecuado para la visualización de datos son sólo dos de los muchos malos hábitos “analíticos” que las organizaciones pueden adoptar en masa. Esto sucede porque los individuos/equipos/departamentos dentro de una organización a menudo se adhieren a herramientas y prácticas con las que están familiarizados, incluso si no son las más adecuadas para el trabajo. Esto a menudo se traduce en analítica embebida que tiene un rendimiento inferior o confunde a las partes interesadas en lugar de informarlas.
• Es importante comprender que la mayoría de los desafíos están asociados con las capacidades y prácticas de las empresas que adoptan la analítica embebida en lugar de la idea de la analítica embebida en sí.

Consideraciones

• La mentalidad de datos como característica es crucial para las empresas que diseñan e implementan su propia analítica embebida. La creación de estas funcionalidades en torno a la canalización de datos y las necesidades de análisis puede prevenir una variedad de problemas en el futuro.
• Hacer que las implementaciones y el despliegue de la ciencia de datos sean más accesibles debería ser un objetivo de la analítica embebida. Esto se relaciona con las mejores prácticas, como la identificación de las necesidades analíticas de la empresa y la alfabetización en datos de varias partes interesadas.
• Debe tener en cuenta su arquitectura de nube antes de desarrollar/implementar funcionalidades de analítica embebida. Un diseño de analítica embebida monolítica puede ser difícil de integrar y puede requerir que usted realice ajustes en su arquitectura, lo que afecta las funcionalidades existentes. Por el contrario, un enfoque descentralizado y de microservicios para desarrollar e implementar funcionalidades de analítica embebida puede ser más fácil de integrar.
• Se deben tener en cuenta las necesidades e integraciones de AI y ML de la empresa. Si todos los datos analizados deben incorporarse a un gran modelo de entrenamiento de aprendizaje automático o si se debe agregar supervisión de AI antes o después de una capa de preparación de datos, abordarlos en las primeras etapas puede facilitar la implementación y reducir fricciones futuras.
• Se supone que la analítica embebida facilita las cosas a los usuarios/partes interesadas, pero si la interfaz es demasiado complicada o complicada para la mayoría de los usuarios o se vuelve más difícil después de incorporar los análisis, puede socavar varios objetivos de análisis.
• Se debe tener en cuenta la escalabilidad inherente de la plataforma/software nativo y la de la analítica embebida. Si el sistema nativo es inflexible, las necesidades de escalabilidad de la analítica embebida deben abordarse antes de la implementación, aunque se puede hacer de forma ad hoc si el sistema es flexible.
• Debe tener en cuenta el ecosistema de proveedores/partes interesadas al diseñar o modificar la capa de gestión de datos para su analítica embebida.
• La forma en que la analítica embebida afecta su seguridad existente o cómo su plataforma/software (en el que está incorporando análisis) puede exponer sus flujos de datos a nuevos vectores de ataque o una superficie de ataque más amplia/diferente debería influir en su sistema de desarrollo, selección e implementación.

Elementos importantes en analítica embebida

Todas las funciones de visualización de datos convencionales

Incluso si la analítica embebida tiene que sortear las limitaciones de la infraestructura existente, deberían (idealmente) incluir todas las características de visualización de datos con las que las partes interesadas están familiarizadas o utilizan en soluciones de inteligencia de negocio dedicadas/separadas. Esto facilitará que las personas se adapten a la analítica embebida y los utilicen más ampliamente dentro de sus procesos empresariales. También garantizará datos entre los diferentes departamentos/grupos de partes interesadas.

Si la analítica embebida es limitado en este sentido, un segmento de negocio puede depender de las funciones existentes mientras que otros pueden volver a una solución de visualización de datos/inteligencia de negocio separada, lo que hace que los informes internos sean inconsistentes.

Facilidad de integración

Este es un elemento importante si elige una solución/plataforma de analítica embebida en lugar de crear una desde cero. No todas las plataformas están diseñadas para integrarse fácilmente con todos los sistemas preexistentes y, si son demasiado incompatibles, puede ser motivo suficiente para optar por una solución diferente. La fricción en la implementación puede ralentizar la analítica embebida, impidiendo que las partes interesadas aprovechen todo su poder. Por el contrario, la facilidad de integración puede reducir significativamente el tiempo y el costo asociados con la implementación.

Personalización

Sus partes interesadas deberían tener la opción de personalizar sus funcionalidades de analítica embebida, procesos de generación de informes, paneles dinámicos, fuentes de entrada de datos, etc. Puede resultar más complicado incorporar la analítica embebida que una solución de inteligencia de negocio dedicada, pero es crucial para una fácil adopción y un uso integral. Sin embargo, debes equilibrarlo con permisos para varias bases de usuarios. No todas las partes interesadas deberían tener acceso a todas las fuentes de datos.

Integración completa de la canalización de datos/Se deben aceptar todos los tipos de datos

Ya sea que esté diseñando su propia analítica embebida u optando por una plataforma existente que pueda integrarse en su plataforma/software existente, es importante que pueda manejar todos los diferentes tipos de datos a los que tiene acceso su empresa. Si es necesario convertir los datos, asegúrese de que las herramientas/integraciones y los protocolos correctos estén disponibles en las capas/niveles correctos. La analítica embebida también debería poder incorporar datos estructurados y no estructurados sin problemas, o su capacidad para ejecutar análisis integrales podría verse gravemente limitada.

Perfilado de datos (con tecnología AI/ML)

La elaboración de perfiles de datos, es decir, el proceso de identificar patrones útiles a partir de datos sin procesar antes de analizarlos formalmente, puede generar muchos conocimientos útiles, especialmente si se mejora con modelos de AI y ML. La elaboración de perfiles de datos puede ser relativamente básica, como identificar patrones a partir de marcas de tiempo de varios puntos de datos, o más compleja, como ejecutar un análisis de sentimientos.

Fuentes de datos

La analítica embebida debe incorporar todas las fuentes de datos y todo el proceso de datos de una empresa. Es una consideración importante para las empresas que tienen fuentes de datos esotéricas o preexistentes que pueden tener que procesarse antes de incorporarse al análisis.

Automatización

La analítica embebida puede tener más oportunidades de automatización que los análisis convencionales, especialmente si el sistema/plataforma principal está diseñado para adaptarse a eso. La automatización puede ayudarle a deshacerse de los procesos repetidos y facilitar aún más a las partes interesadas la incorporación de análisis en su flujo de trabajo habitual.

Analítica embebida: herramientas personalizadas frente a herramientas prediseñadas

Desde una perspectiva de desarrollo e implementación, hay tres formas en que la analítica embebida puede formar parte de su negocio habitual: creación, compra o modelo híbrido (creación de interfaz de usuario y al mismo tiempo se aprovechan las capacidades de BI). Ambos enfoques tienen sus propias fortalezas y debilidades que deben sopesarse teniendo en cuenta las necesidades analíticas y los recursos de cada negocio.

• Diseñado a medida para los principales producto(s) de software, plataformas de inteligencia de negocio o necesidades de análisis de una empresa. Pueden ser tan simples como una simple API que integra datos de usuario o de mercado en tiempo real en una plataforma o tan sofisticados como una plataforma de análisis de múltiples capas modificada e integrada en las plataformas de usuario de varias partes interesadas de la industria. Dicha analítica embebida se puede ajustar con precisión a las necesidades empresariales y a los tipos de datos a los que la empresa tiene acceso. Sin embargo, la responsabilidad de mantenerlos, modificarlos o mejorarlos recaería en las partes interesadas internas de la empresa.
• Plataformas/software de análisis prediseñados que pueden integrarse en su flujo de trabajo o plataforma/software principalmente digital utilizado por las partes interesadas. Pueden ofrecer una amplia gama de funcionalidades de análisis que se pueden personalizar según las necesidades empresariales o los casos de uso de análisis. Los desarrolladores originales mantienen y actualizan dichas herramientas, lo que reduce el costo asociado con el mantenimiento y el desarrollo continuo.

Recursos Relacionados