La compañía consultora TIC Setesca alerta que, los procesos de implantación de inteligencia artificial deben tener una buena base para poder desarrollarse de manera efectiva. Por este motivo, los datos deben ser desde un primer momento coherentes, con el objetivo de poder efectuar procesos analíticos avanzados.
Muchas empresas cuentan con modelos de información que no son coherentes y que se basan en supuestos erróneos. Esto hace que se complique el proceso de implantación y que se destine un 80% del esfuerzo a depurar la información, mientras que tan solo un 20% se dirija al proceso analítico.
Datos de base incorrectos
La consultora Experian, ha dado a conocer que un 77% de las empresas cree que su resultado final se puede ver afectado por la existencia de datos inexactos o incompletos. Además, un 66% de las compañías, carecen de un enfoque coherente y centralizado en base a la calidad de los datos.
Los datos deben ser desde un primer momento coherentes, con el objetivo de poder efectuar procesos analíticos avanzados
“Asumamos un sistema de Inteligencia natural. ¿Usted o alguien puede tomar decisiones correctas si su base de información es incorrecta? No. Pues lo mismo sucede con los sistemas de inteligencia artificial” afirma Jordi Damià, CEO de Setesca.
En este contexto, tal y como advierte el experto, muchas empresas a la hora de lanzar proyectos, invierten mucho tiempo y esfuerzo sin obtener un buen resultado; esto se debe a que sus modelos de información no son lo suficientemente coherentes.Y no sólo eso, sino que perciben que muchos de los supuestos sobre los que tomaban decisiones, son incorrectos. Este tipo de situaciones son muy comunes en entornos donde se han producido procesos de integración de compañías, existen diferentes sistemas de reporting o analíticos/ sistemas con datos provenientes de diferentes fuentes.
El 50% de las compañías no dispone de una base correcta de datos
La incoherencia de datos aparece cuando los analistas aprecian dificultades para comparar datos o se encuentran con “agujeros” de información. Es por esto que, suele suceder en un 50% de las compañías. Todo ello dificulta enormemente los procesos de analítica avanzada o incluso llega a enmascarar problemas graves de negocio. Es posible que, en muchas ocasiones, los resultados con los que trabajan en ventas o marketing sean diferentes a los que obtiene el sector financiero. Esta situación puede provocar que en los proyectos de implantación de sistemas de reporting avanzado o análisis predictivo, un 80% del esfuerzo se dedique a depurar la información y solamente un 20% al proceso analítico.
Ahorro de las empresas al depurar la información
Las empresas pueden ahorrar si consiguen depurar la información. Con tan solo simplificar los procesos de análisis, las compañías pueden apreciar el ahorro. Además, de esta manera toda la organización trabaja bajo los mismos principios. Y es que, gracias a la aparición de herramientas de tipo RPA y de análisis avanzado de información, los procesos de depuración de la información han mejorado notablemente.
