Industria 4.0: Convierte los Datos en Información

Siempre hemos escuchado que la información es poder. Pero no es exactamente así.

Los datos son cifras y hechos crudos, sin analizar, sobre circunstancias puntuales. Un ejemplo de datos puede ser la cantidad de piezas producidas en un periodo de tiempo o el inventario de un artículo en nuestros almacenes.

La información, en cambio, es el resultado de haber organizado y/o analizado los datos de alguna manera específica y con un propósito.

5 pasos para convertir los datos en información

El objeto del análisis de datos es producir nuevos conocimientos sobre el estado actual de la organización para la toma de decisiones. De la información extraída de los datos sen hace visibles oportunidades y tendencias sobre las que actuar.

1. Obtención de datos. El primer paso es la obtención de los datos. Este paso está recogido en el punto anterior.
2. Tratamiento de datos. Tan importante como la obtención de los datos es el tratamiento de los mismos. Los datos se deben adecuar al sistema en todo momento. Este proceso será la base de la gestión de la información.
3. Gestión de los datos. Una vez obtenidos y tratados los datos, ya se pueden gestionar mediante procesos analíticos o Data Mining. La minería de datos permite extraer información válida para analizar la eficiencia de las acciones que se estén llevando a cabo.
4. Retroalimentación: Todos estos procesos forman parte de un proceso cíclico. El ciclo de retroalimentación mantendrá vivo el conocimiento del estado de los procesos de la empresa. Esto garantiza que la información sea recuperable para futuras acciones.
5. Análisis de la información: La extracción de conocimiento no es un proceso lineal ni finito, ya que puede haber cambios en el entorno que pueden hacer obsoleta la información que sirvió de partida.

Filtros para evaluar los datos de nuestra industria.

Podemos evaluar la información en base a los siguientes cuatro aspectos: calidad, oportunidad, cantidad y relevancia. Cada uno de ellos aporta garantías para una toma de decisiones exitosa:

• Calidad: depende del nivel de exactitud, cuanto más exacta es la información. Tanto mayor es la calidad de la información, mayor será la confianza que aporta en la toma de decisiones.
• Oportunidad: para tener un control efectivo del proceso productivo se deben aplicar medidas correctivas antes de que la desviación del plan o la norma sea demasiado grande. Por lo tanto, la información ofrecida por el sistema debe estar al alcance de la persona indicada. Se debe tener la información en el momento oportuno, para que se emprendan las medidas adecuadas.
• Cantidad: no se pueden tomar decisiones exactas y oportunas si no se cuentan con suficiente información. Del mismo modo, un exceso de información tampoco es recomendable, pues se podría ocultar información de valor. Como se suele decir, los extremos son malos. De debe generar la cantidad exacta de información.
• Relevancia: la información debe ser significativa para la toma de decisiones. Por ejemplo, el gerente de personal no necesita conocer los niveles de inventarios. Es conveniente segmentar la información para cada unidad funcional o sector y, a la vez, por cada nivel de la estructura.

Conclusiones

Las técnicas de minería de datos se emplean para mejorar el rendimiento de los procesos de negocio o industriales en los que se manejan grandes volúmenes de información estructurada y almacenada en bases de datos.

En general, para los estratos más bajos en el organigrama se necesitan mayor nivel de detalle. A medida que se va subiendo en la estructura de la empresa, se requiere mayor relevancia y menor cantidad.

Podemos concluir que el Data Mining nos aporta nuevas correlaciones, modelos de valor, comportamientos y tendencias dentro de grandes volúmenes de datos. Esto ayuda a que la empresa pueda anticiparse y tomar decisiones.

Fuente: manuelguerrerocano.com