El business intelligence tradicional se basa principalmente en un análisis descriptivo, es decir, partiendo de datos históricos se obtenían conclusiones que buscaban explicar el por qué habían ocurrido determinadas situaciones, lo cual nos permitía entender nuestra situación actual, pero poco aportaba a la toma de decisiones o definición de estrategias a futuro.

Afortunadamente, la analítica descriptiva, no es la única técnica con la que contamos, ya que el análisis predictivo, en base a la información histórica y el uso de modelos matemáticos y estadísticos nos permite inferir qué sucederá en el futuro.

Finalmente, el análisis prescriptivo, se nutre de las técnicas descriptivas y predictivas, para guiarnos en la toma de decisiones y definición de nuevas estrategias.

Los análisis predictivos y prescriptivos corresponden a lo que comúnmente denominamos analítica avanzada, donde se trata de utilizar y adquirir conocimiento para mejorar las decisiones que queremos proyectar a futuro. 

Gran parte del éxito o fracaso de una estrategia de analítica del dato viene dado por el hecho de poder contar con datos de calidad, pero la realidad es que esto no siempre es posible. Es aquí donde aparecen dos conceptos claves, el gobierno y la calidad del dato. Aunque ambos conceptos tienen similitud, podríamos diferenciarlos principalmente por el hecho de que una estrategia de gobierno del dato considera todo lo relacionado con el ciclo de vida del dato, y dentro de este ciclo se encuentra la calidad del dato.

El gobierno del dato se define como una estrategia alrededor del dato, a través de la cual se mejora la calidad y tratamiento del dato, lo que redunda en una mejora en la toma de decisiones a largo plazo, maximizando las capacidades de análisis de la información. Una estrategia de gobierno debiera considerar al menos los siguientes elementos:

• Establecer y crear estrategias y políticas del gobierno del dato para conocer qué información, cómo, cuándo y quién la consume a la vez que garantiza la calidad y unicidad del dato.
• Habilitar las tecnologías, herramientas y arquitectura de datos mediante el despliegue de una plataforma adecuada que permita la obtención, almacenamiento, explotación, control de acceso y calidad de este.
• Definir la coordinación del ciclo de vida de los datos, para la gestión adecuada de incorporación de nuevas fuentes de información.

El enriquecimiento del dato es otro elemento clave dentro de la analítica avanzada, debido a que en muchas ocasiones, los datos que poseemos restringen la capacidad analítica.

El enriquecimiento se entiende como un proceso por el cual puedo ampliar el valor de mis datos, mediante la incorporación de información externa complementaria que puede mejorar los insight generados.

A través del enriquecimiento es posible por ejemplo, no solo contar con las direcciones de mis clientes, sino que a partir de dicha información, propia de mis sistemas, agregar valor mediante la incorporación de datos geográficos y/o meteorológicos, los cuales podrían ser de gran utilidad al momento de entender el comportamiento de mis clientes y por ejemplo definir estrategias de marketing personalizadas o productos ad-hoc a las necesidades reales de estos.