La simulación dinámica es una nueva herramienta de trabajo que forma parte de lo que llamamos Business Intelligence. A través de este método se puede proyectar algo que sucederá en plazos de – por ejemplo – 10 años, incluso en escenarios de alta complejidad. Estos escenarios permiten distintas“corridas” atendiendo a la evolución o comportamiento de los factores que condicionan el contexto, y por ende los resultados obtenidos por la empresa. Lo que nos permite esta herramienta es básicamente proyectar la evolución de un mercado, por ejemplo, reduciendo al máximo posible el margen de incertidumbre: es decir, minimizando el riesgo. Su particularidad es que en función de datos históricos (Data Warehouse) y conocimiento de patrones de conducta (Data Mining), permite definir escenarios, basados en supuestos que permiten hacer una proyección considerando fundamentalmente el transcurso del tiempo.
La evolución de la Business Intelligence
En los años 90 el problema era sistematizar los procedimientos internos hasta llegar a un registro contable confiable, para cubrir las necesidades de las operaciones básicas de la empresa: comprar, vender, pagar, cobrar, producir, distribuir y registrar.
Comenzaron masivos procesos de implantación de ERP´s (Sistemas de Planificación de Recursos Empresariales), para dominar el mundo de las transacciones en un ambiente único y consistente, integrando y automatizando muchas prácticas de negocio asociadas con los aspectos operativos o productivos de una empresa: ¿Qué puedo vender? ¿Hay stock? ¿Cuánto se necesita producir?¿Cobramos?
Toda esta información tiene un nivel de detalle máximo, es decir con “alta granularidad”, y además tiene una validez temporal (el control de cobranzas, por ejemplo, se modifica día a día). Pero en el nivel decisorio de la organización el grado de detalle ya no es tan importante, y sí pasa a tener peso el dato histórico, no perecedero: por ejemplo el nivel de ventas de un periodo o de una línea de productos. Con los múltiples datos del mundo transaccional, se genera información con historia, consistente, oportuna y comparable, que permite estudiar tendencias y generar proyecciones.
Este almacenamiento de datos es lo que se denomina “DataWarehouse”(DW). Además de contener toda la información que genera el mundo transaccional de la empresa, debe incluir información del “mundo exterior”: datos de mercado, información capturada por Internet (por ej. cotización de commodities). También se pueden agregar datos provenientes de sistemas paralelos – internos o externos- de la compañía. Esta información reduce el riesgo en función de minimizar el marco de incertidumbre.
Llegamos al DataMining
Luego del DataWarehouse, apareció otra rama del BI: la “minería de datos” o DataMining (DM), que “escarba” en esos datos correctamente almacenados, depurados, consistentes y con historia, aplicando metodologías basadas principalmente en la estadística, para encontrar patrones de comportamiento. Esta herramienta fue muy demandada por el área de marketing, la banca y los servicios públicos, porque hace foco en el futuro: conocidos los patrones de comportamiento, con niveles de error que se definan aceptables, se puede pronosticar la demanda de un producto, el segmento de consumo de otro, la clientela de riesgo, etc. Esto es lo que permite a las empresas pasar a tener un rol proactivo en el desarrollo de su rol: salir a buscar al cliente.
