26.09.2017 
Artículos Datos de operaciones, de procesos, de logística, de personal, financieros …. Datos, datos y más datos. Demasiados. Tantos, en cantidad y variedad, que abruman. ¿Cómo recopilarlos y organizarlos para que tengan sentido? ¿Para saber qué hacer con ellos? ¿Para que impulsen la productividad y eficiencia de la planta?
Unido al resto de mejoras que propone la Industria 4.0, el Data Analytics es imprescindible para sacarle valor a la información. Y cuando hablo de valor es que hay datos, valga la redundancia, que lo avalan. Según un informe elaborado por Forbes Insights y EY, a partir de la opinión de 1.500 ejecutivos de grandes empresas a nivel mundial, el 66% de las compañías, con una estrategia de analítica avanzada bien definida, mejora sus márgenes operativos y beneficios en más de un 15%. Es evidente, pues, que, en el camino hacia la digitalización, una oportunidad de crecimiento importante viene dada por el análisis eficaz de la información que generamos en nuestras empresas.
Por si lo anteriormente descrito no fuera suficiente de por si, el Data Analytics facilita la toma de decisiones de forma anticipada. Dicho en román paladino, ya no será necesario tener que enviar mails a los diferentes departamentos para que nos comuniquen unos datos que, de no estar localizados, se tardaría tiempo. Con la digitalización podremos conocer antes de que, por ejemplo, el montaje haya concluido, si el resultado va a ser óptimo, podremos prever escenarios que pudieran demorar la producción y subsanarlos, incluso las máquinas podrán por sí mismas solucionar eventualidades.
Conclusión: el análisis de los datos ayuda a que no se nos escape ningún detalle del proceso de producción.
¿Y cómo traducir lo que nos dicen los datos? Tomemos como partida el análisis que hacen en la consultora tecnológica Principa, a partir de los cuatro tipos de Data Analytics:
1. ¿Qué está pasando? Es la más básica de las interpretaciones. Visualizamos todos los datos para hacer un análisis descriptivo del negocio, de los productos, de los clientes
2. ¿Por qué está pasando? Un segundo paso del análisis de datos descriptivo es aplicar herramientas de diagnóstico para averiguar si existen posibles problemas para, así, solucionarlos
3. ¿Qué es lo más probable que pase? Aquí entran de lleno las posibilidades del Data Analytics en términos de predicción. La probabilidad de que ocurra alguna incidencia y podamos solventarla antes de que suceda. Esta capacidad de predecir permite tomar mejores decisiones
4. ¿Qué necesito hacer? El último paso es a partir del modelo prescriptivo, a partir del cual se analiza lo que ha sucedido, por qué y lo que podría suceder para así tomar decisiones en conjunto.
Pero el Data Analytics es sólo uno de los pilares de la transformación digital. Si a esto añadimos la posibilidad de aprender de los datos (Machine Learning) y crear una Inteligencia Artificial, así como conectar nuestra planta con sensores (Internet of Things) o subir todo nuestro Big Data a la Nube, entonces habremos alcanzado el climax de la Industria 4.0.
Sea cual sea el grado de digitalización de una planta, es indispensable conocer con datos cada uno de sus procesos y tomar así una ventaja competitiva, que nos incremente la rentabilidad y nos ayude a alcanzar modelos de negocio disruptivos. Si no se puede solo asumir la transformación digital, esta nueva Revolución favorece entornos colaborativos. No hay excusas para que todos nos transformemos y seamos más competitivos. Elige aquel socio líder en tu sector.