Veritas Online

Metadata

Cómo convertirse en una empresa inteligente

Cómo convertirse en una empresa inteligente
agosto 01
2020

La analítica transforma los datos en conocimiento y esto permite a las organizaciones tomar decisiones acertadas para crear valor.

Los datos juegan un papel importante en el desempeño financiero de las empresas. Muchas están buscando formas de obtener valor a partir del análisis de datos, pero no todas tienen éxito. Es por ello que las organizaciones están ávidas de mejores prácticas que guíen sus iniciativas de análisis para que sean confiables, eficientes y rentables.

La importancia de los datos

Éstos son un recurso clave para que las organizaciones obtengan eficiencias operativas, rentabilidad financiera y ventajas competitivas. No sólo las empresas basadas en datos, como Facebook, Google, Uber, Netflix y Amazon, sino muchas otras en el espectro de la economía tradicional están aprovechando esta fuente y la tecnología para mejorar su desempeño y sus resultados del negocio.

Si bien los datos y el conocimiento que se puede obtener con ellos se han considerado valiosos desde hace mucho tiempo (Napoleón Bonaparte decía que la guerra consistía 90% en analizar información), tres desarrollos clave han estimulado el reciente interés en el análisis de datos: la posibilidad de capturar cantidades increíbles de datos a un costo muy bajo, su almacenamiento masivo en la nube y la capacidad para procesarlos de forma rápida y eficiente.

Tal es el impacto de éstos y la tecnología, que los datos de hoy han reemplazado al petróleo como el recurso más valioso del mundo. En 2018, una persona pasaba en promedio 6.3 horas al día en medios digitales, creando y consumiendo contenido (Brynjolfsson y Collis, 2019). Según Eric Schmidt, ex CEO de Google, “la cantidad de datos que creamos en menos de dos días es equivalente al volumen de datos creados desde los albores de la civilización hasta 2003”.

A pesar de estas cifras, no muchas organizaciones tienen éxito en transformar sus datos en conocimiento. Mckinsey Consulting afirma que menos de 20% han maximizado el potencial y logrado beneficios de sus análisis dirigidos (Miranda, 2018). Entonces, ¿cómo puede una empresa llevar a cabo un programa de análisis de datos para crear conocimiento y valor? ¿Cómo puede ser inteligente?

Para empezar, ¿qué es?

Existen muchas definiciones de análisis de datos (analytics). Wayne Eckerson señala que la analítica es un término escurridizo desde la perspectiva tecnológica, porque los proveedores de software la definen en función de los productos que venden. Sin embargo, desde una perspectiva fundamental, la analítica consiste en hacerse preguntas de negocio y contestarlas sistemáticamente con datos. Utilizar los datos para crear conocimiento que facilite a la organización tomar decisiones que permitan crear valor. La premisa fundamental, de acuerdo con Prashanth Harish Southekal, es: sin preguntas y sin datos no hay análisis.

Existen tres tipos principales de analítica:

  • Descriptiva.Utiliza datos históricos para responder: ¿Qué ha pasado?
  • Predictiva.Usa modelos estadísticos para responder: ¿Qué podría suceder o sucederá?
  • Prescriptiva. Utiliza técnicas de optimización para responder: ¿Qué debemos hacer? o ¿qué hará que suceda?

En este punto vale la pena aclarar que la analítica no es un proceso lineal. Más complejidad y esfuerzo no siempre conducen a un mayor valor o una mejor madurez analítica. Tampoco depende de contar con la herramienta tecnológica más poderosa, hay que recordar que, sin preguntas, ni la máquina más poderosa o el algoritmo más inteligente arrojará respuestas.

No hay que subestimar la intuición

Si bien el objetivo principal de la analítica es obtener conocimiento utilizando datos, éste también puede derivarse de la intuición: la capacidad de comprender o saber algo basado en sentimientos en lugar de hechos o datos.

Esto plantea la pregunta de cuándo se usa la intuición humana y cuándo se deben usar los datos para obtener conocimiento. Prashanth Harish Southekal da luz al respecto y explica que la intuición se basa en situaciones donde:

  • El tiempo es demasiado escaso para recopilar datos, analizarlos y obtener información.
  • Hay un rango de acciones bien establecido o restringido, y se confía en la intuición cuando el evento es único o por primera vez. Esto significa fundamentalmente que no hay datos históricos.
  • Se necesita poca justificación sobre la decisión tomada y se prefiere la intuición sobre los datos.
  • La autoridad del tomador de decisiones es alta.
  • El impacto o la repercusión de la mala toma de decisiones es baja para las partes interesadas.

En cambio, el conocimiento derivado de datos o evidencia son aplicables en situaciones donde:

  • Existe un volumen crítico de datos operativos o regulatorios ya capturados. Ésta es la fuente natural de análisis para las organizaciones.
  • La hipótesis es compleja con muchas variables interdependientes y se confía en la intuición, que no necesariamente funcionará.En estos casos es mejor confiar en los datos y el poder de cómputo para ejecutar algoritmos complejos.
  • Hay opiniones y sesgos variados.
  • En lugar de depender de las opiniones de las personas e incluso los prejuicios, es mejor usar datos.

Adoptar mejores prácticas

Una mejor práctica es una pauta o idea que generalmente se ha aceptado como superior a cualquier alternativa porque produce resultados que son prescriptivos, superiores y reutilizables.

Prashanth Harish en su libro Analytics Best Practices: A business-driven playbook for creating value through data analytics compila, a partir del estudio de la literatura, la validación con expertos en análisis y la experiencia de implementación en numerosas iniciativas de análisis exitosas y fallidas, compila las mejores prácticas:

ANALÍTICA: mejores prácticas

1. Vincular los objetivos estratégicos de la organización con las preguntas y los KPI (Key Performance Indicator).

2. Crear un equipo de alto rendimiento para analizar datos.

3. Comprender los datos desde la analítica.

4. Clasificarlos estratégicamente.

5. Incorporar los datos operativos y regulatorios como parte integral del análisis.

6. Centrarse en la analítica descriptiva para desarrollar la literacidad de datos en la organización.

7. Incorporar el gobierno de datos como un pilar imprescindible para su programa de analítica avanzada.

8. Procurar la calidad de los datos como prerrequisito del análisis.

9.Aprovechar los análisis para la monetización de datos.

10. Incorporar prácticas de storytelling y administración del cambio a la obtención de conocimientos.

Conclusiones

En la economía digital y centrada en los datos de hoy, ninguna organización puede permitirse ignorar el valor de los datos y la tecnología. Sin embargo, para que una empresa se considere impulsada por los datos, debe maximizar el valor de éstos y tratarlos como un activo comercial estratégico.

La analítica es un habilitador clave que transforma los datos en conocimiento, que permite a las organizaciones tomar decisiones acertadas para crear valor. Entender la madurez analítica y guiarse por mejores prácticas, sin duda son elementos que permitirán allanar el sinuoso camino de convertirse en una empresa basada en datos, en una empresa inteligente.

Mtro. Christian Vázquez Sánchez
Director de Analítica Estratégica y Gestión de Datos en SSI-Soluciones Software Inteligente
christianvs@gmail.com

Related Articles

Búsqueda