Retos para ser una empresa data-driven

Si bien el valor de los datos es innegable, aún hay mucho por hacer para analizarlos a fondo, inter­pretar lo que se oculta en los enormes volúmenes de información y entregar valor al negocio a partir de su explotación.

Se estima que actualmente menos del 1% de la infor­mación generada se utiliza para tomar decisiones en los negocios, y que apenas el 30% de las organizaciones que invierten en data & analytics se benefician financiera­mente de ellas (Gartner, 2022).

Las historias de éxito en la generación valor de ne­gocio a través de los datos, que no son extensas, se dan en todos los sectores. La información es un activo alta­mente relevante para la operación de las empresas y los insights que se obtienen a partir de su análisis permiten desde diseñar campañas comerciales altamente efecti­vas y personalizadas, y conocer a profundidad las nece­sidades de los clientes, hasta planificar una operación logística y de distribución altamente efectiva, entre mu­chas otras actividades.

La oportunidad de impulsar el crecimiento y obtener beneficios a través de los datos es tal que no se limita a crear valor en la toma de decisiones. Cada vez más, las empresas encuentran la forma de explotar su informa­ción al exterior para que terceros encuentren valor en la misma. Este proceso convierte a la información interna en un activo que puede monetizarse a fin de crear fuen­tes de ingresos adicionales que les permiten reinvertir y evolucionar ágilmente su proceso de explotación de datos.

TOQUE VERTICAL

Como se mencionó en un inicio, el dato adquiere mayor valor en el contexto actual y toma diversos matices de acuerdo con la industria. Sin embargo, es importante destacar que existen actividades que, sin importar el sector, entregan valor de forma consistente al negocio al utilizar insights extraídos de los datos.

Un ejemplo es la analítica de clientes y procesos co­merciales que permite conocer a detalle las preferen­cias y proyectar comportamientos, lo que contribuye a mejorar el impacto de las iniciativas del negocio. Con técnicas que incluyen la clásica segmentación de clien­tes, la optimización de promociones, la maximización de impacto en medios y la optimización de precios, la analítica contribuirá con insights para establecer accio­nes más rentables.

Por otro lado, la analítica permite optimizar el uso de los recursos para facilitar la optimización de la opera­ción y logística. Entre las aplicaciones más conocidas se encuentra una mejor proyección de la demanda, la crea­ción de rutas dinámicas para utilizar mejor las flotas, la optimización de almacenes y movimientos oportunos de inventarios. En estos casos, la analítica impulsa cambios en la operación que se derivan en ahorros sustanciales.

Sin restricción, por simplicidad o complejidad, des­de el diseño de KPIs de seguimiento hasta la cons­trucción de modelos complejos, machine learning o inteligencia artificial, la analítica desarrollada debe enfocarse en generar valor y dar respuesta a las pro­blemáticas identificadas.

ESTRATEGIAS PARA SUPERAR RETOS

El trayecto hacia convertirse en una empresa data-driven no está exento de desafíos. Frecuentemente las organizaciones mencionan como limitantes principales la falta de herramientas e infraestructura adecuada, la carencia de información y la pobre comunicación entre los equipos de negocio y los especialistas en datos.

Estas limitantes son reales, pero muchas veces pasan por alto elementos que son fundamentales, como la fal­ta de claridad en los objetivos y retos del negocio, así como de una cultura en la que se valore el dato para la toma de decisiones.

Las organizaciones que buscan convertirse en data-driven deben estar conscientes de que lo primero es el negocio, y que la analítica debe ayudarles a responder a los objetivos y retos de éste, y que los esfuerzos ana­líticos deben ser priorizados de acuerdo con el impacto esperado en el negocio.

Asimismo, para crear una cultura data-driven, se requiere democratizar la información y los resultados probados en la operación. Finalmente es crítico di­señar una estrategia de datos y analítica que integre las perspectivas de negocio y tecnológicas necesarias para seleccionar las herramientas correctas, generar los procesos adecuados e integrar a equipos de alto desempeño.

En este sentido, algunas soluciones que han apoyado la construcción de valor para el negocio a partir del dato son:

• Generar proyectos analíticos de corta duración. Para demostrar el valor del dato no es necesario hacer los análisis con herramientas sofisticadas; las muestras estadísticas nos permiten trabajar a baja escala para agilizar los análisis y entregar re­sultados.
• Probar el valor al negocio lo antes posible una vez que tenemos resultados (a partir de muestras es­tadísticas). Es posible generar accionables que pueden ser piloteados en los procesos de negocio, permitiendo demostrar rápidamente el valor que el dato le brinda a la organización.
• Crear áreas de analítica que funcionan como un traductor entre las áreas de negocio y las áreas tec­nológicas. Estas áreas son conformadas tanto por especialistas del dato como de negocio.

No existe una receta ni una ruta única para convertir­se en una empresa data-driven, pues cada organización es única, con recursos, datos y necesidades particula­res, pero no empezar este camino puede ser un error.

PUNTO DE PARTIDA

El camino hacia esta evolución debe tener como punto de partida la determinación objetiva del nivel de madu­rez analítica de la organización. Ésta, debe considerar no sólo la información disponible, la analítica generada o las herramientas y plataformas adquiridas, sino tam­bién incorporar a la gente como elemento clave e inte­grar los datos en los procesos de negocio.

El trayecto más efectivo hacia ser una organización data-driven iniciará siempre teniendo clara sus necesi­dades y desafíos, y deberá integrar una estrategia que se apoye en herramientas y procesos sólidos; pero, so­bre todo, en equipos multidisciplinarios bien integra­dos y con una cultura empresarial abierta a cambiar de paradigma para tomar decisiones basadas en datos.