El análisis de datos no es algo reciente, y ha ido pasando por diferentes estadios y terminologías desde los 70: sistemas de soporte a la decisión, sistemas de información ejecutiva, el cuadro de mando integral, la inteligencia de negocio, el business analytics y, ahora, el famoso Big Data y la “ciencia de los datos”. ¿Qué es nuevo? Por una parte, la intensidad en el uso y la gestión de la información. Las empresas usan los datos para obtener ventajas competitivas, transformar la experiencia del cliente, optimizar sus procesos de gestión, añadir valor a los productos existentes o crear por completo nuevos productos y modelos de negocio. Algunos han hablado de la “gestión extrema de la in-formación” como una parte de eso que se está denominando “transformación digital”.
Aquí los tenemos todos puestos en orden cronológico... y lo que nos espera. Todo puede parecer un más de lo mismo, pero si las empresas están en ello es porque algún beneficio tendrá.
Por otro lado, el volumen, el tipo y la forma de producir, tratar y almacenar los datos no tienen nada que ver con el pasado. Los datos que se recogen ahora dentro y fuera de la empresa ocupan una magnitud inmensa, se producen en un f lujo continuo, proceden de múltiples fuentes (redes sociales, sensores, teléfonos móviles, clics en la web...) y formatos (imagen, documentos...) y, sobre todo, ya no se pueden alma-cenar solo en filas y columnas, no tienen estructura. La naturaleza, aún más que el tamaño, del nuevo “diluvio de datos” es diferente, y por eso debe trabajarse de manera diferente a la analítica de datos tradicional.
Finalmente, las empresas que gestionan intensa y proactivamente los datos hacen cosas distintas de manera diferente, gestionan de otra manera. No es un problema técnico ni una decisión sobre la informática. Es más bien algo que afecta a la estrategia, la estructura, los procesos de trabajo, la forma de usar la tecnología, la selección y promoción de las personas y esa cosa sutil que llamamos cultura. La información –decía ya en los años 60 del siglo pasado Peter Drucker, el inventor de la ciencia y el arte del management– no cambia solo cómo hacemos las cosas, sino que cambia las cosas que hacemos.¿Cómo son y qué hacen las empresas y organizaciones orientadas al dato? ¿En qué son diferentes? Esta es la pregunta que se intenta responder en este artículo.
Sinceramente he de reconocer que, la parte que más me intriga y desconozco es la de lo de las múltiples fuentes y formatos y su interpretación. Los procesos, la proactividad; todo esto creo que me va a sorprender menos.
1. Reconocen el valor de la información como activo crítico
El volumen de datos se mide en múltiplos de bytes con letras latinas. Un zettabyte son mil millones de GB, y equivalen aproximadamente al tamaño de la gran muralla china. Se dice que actualmente hay siete zettabytes de información disponible, que este volumen se duplica cada dos años y que, en un solo día, se produce el doble de información como la que contenía Internet hace veinte años. Pero solo se analiza un 0,5% de este volumen. De hecho, la mayor parte de las empresas analizan menos del 1% de la información que almacenan o que tienen al alcance. Los datos son baratos o muchas veces gratuitos, el hardware o el software no son caros o inaccesibles hoy, pero lo que marca la diferencia es la inteligencia y el coraje para reconocer el sentido estratégico de la información y la capacidad y el talento para analizarla y ponerla en valor.
Lo marcado y subrayado es el tema!
Según la investigación de Brynjolfsson y otros miembros del equipo del Center for Digital Business
del Instituto de Tecnología de Massachussets (MIT), aquellas empresas que son capaces de orquestar una mayor inversión en tecnología, en su “stock de capital organizativo” (como son la descentralización, la mejora de procesos o el capital humano), en su relación con el entorno y en el uso de la información obtienen mayor productividad y beneficios que las empresas comparables, hasta un 5% o un 6% más.
En el cuadro 1 se pueden ver algunos ejemplos de los usos estratégicos de la información que multiplican las capacidades de la empresa para competir.
Ejemplos varios y que seguro que benefician de un modo u otro a las empresas que los están utilizando.
El reconocimiento de la información como activo estratégico es algo tan –o tan poco– mágico como el valor que conceden las empresas a su i+D, sus canales o sus marcas. Es un rasgo especial que se conserva, se cuida y se nutre con el uso y con el tiempo. La empresa debe crear y obtener los datos correctos y ponerlos a disposición de las personas que los necesitan en el momento en que los necesitan, para tomar una decisión, servir a un cliente, completar una operación o crear o mejorar un producto. Como dice Thomas Redman en su libro Data Driven (2013), los datos forman parte del tejido íntimo de toda la organización, de su situación actual y su proyección de futuro.
Otro texto a remarcar.
Este valor es monetizable. Solo eso explica que una empresa joven, con pocos empleados y modestos beneficios, como Facebook, se colocase en bolsa en 2012 a un precio de más de cien mil millones de dólares y un PER de 85, la mayor oferta inicial de venta de la historia de la bolsa. Su valor era “simplemente” el de los datos de sus 850 millones de clientes activos por aquel entonces.
Es el ejemplo más claro de lo que el dato puede llegar a valorarse, pero... no es un poco burbuja?
2. Conocen su estadio de madurez analítica
En el mundo de la gestión de empresas ha sido corriente establecer modelos de análisis del estadio de evolución de las empresas con relación a diferentes dimensiones. Desde los 90 han proliferado también las clasificaciones y evaluaciones de las empresas con arreglo a su estadio de madurez en el uso de los datos. Es bueno que la Dirección comprenda las oportunidades y el potencial que le abren los datos, que conozca su punto de partida y que sea capaz de trazar una hoja de ruta, de acuerdo con su contexto, sus prioridades e intereses. El uso competitivo de la información es mayor en sectores como Internet y los medios de comunicación, las entidades financieras, la sanidad, el gobierno y las empresas de gran consumo. Y, dentro de cada sector, unas empresas deciden que los datos son una prioridad estratégica con relación a un determinado nivel de esfuerzo y otras deciden otra cosa.
Si quieres arrancar en ese mundo es bueno saber dónde estás, de qué partes y que puedes conseguir con los datos. Supongo que habrá empresas que tienen ese vía como un nuevo maná, pero seguro que hay otras que no les va a aportar nada que valga el esfuerzo a realizar. Importante tener la cabeza fría en estas cosas, que si no ya las veo a todas con Blockchain, Big Data y Deep Learning.
Algunos de estos modelos clasifican las empresas por la calidad de su estructura de datos o de sus sistemas de gestión de la información (como el modelo BIMM, de Eckerson) o por el nivel de extensión o democratización de la cultura de datos en un conjunto de dimensiones organizativas (como el modelo DELTTA de Davenport, Harris y Morison). Asimismo, también resulta interesante examinar qué se puede hacer con la información para establecer dónde estamos y a dónde queremos llegar y por qué –lo que se podría llamar un proceso de evolución de las “capacidades analíticas” de la empresa (ver figura 1)–. Veamos esta evolución en el caso de una estructura comercial:
1. Los primeros análisis fueron descriptivos y retrospectivos. Por ejemplo, se trataba de ver qué compró el cliente o cuántos clientes se habían marchado.
2. Seguidamente intentamos establecer un diagnóstico, entender por qué y establecer relaciones de causaefecto. Por ejemplo, por qué un cliente compra un determinado producto o marca y no otro. En este proceso, vamos añadiendo dimensiones de análisis.
3. En una tercera fase, empezamos a hacer análisis más complejos, a través de la simulación. Por ejemplo, qué pasaría si cambiásemos el punto de venta, la posición en el lineal o el precio.
4. A través de la simulación, de la experimentación y de estudios sobre el terreno, podemos hacer predicciones, o sea, pronosticar ciertos comportamientos; por ejemplo, qué clientes se marcharán y por qué. El mundo virtual permite realizar experimentos y predicciones continuamente y en tiempo real; el mundo físico, no tanto.
5. Muchas empresas aspiran a hacer prescripciones, o sea, a actuar sobre el consumidor para obtener determinados resultados. Este análisis se basa en escenarios multidimensionales, que permiten identificar grupos de clientes que cumplen determinadas condiciones y sobre los que aplicamos, por ejemplo, ciertas estrategias de retención o fidelización.
6. Finalmente, en el uso preventivo nos adelantamos a una eventualidad (por ejemplo, que el cliente esté pensando en marcharse) o a una necesidad, para proponerle una oferta o un premio.
Me gusta ver el proceso. Me encantaría saber con qué herramientas ha trabajado.
3. Tienen una cierta agenda estratégica
Una "cierta" agenda. Si la planificación estratégica está de capa caída en casi todos los ámbitos empresariales, lo está aún más en un espacio incierto, móvil, desestructurado y ambiguo como es la gestión de datos. Tiene más sentido pensar la estrategia como una práctica continua y contextual, basada en proyectos cortos y ágiles, orientados a proporcionar resultados para el cliente final, interno o externo.
Estrategia, RoadMap, ... Yo creo que hay que saber hacia dónde va una empresa, aunque luego se precisen ajustes finos. Personalmente, la práctica continua y contextual me da un poco de miedo que no busque el medio largo plazo.
Agilidad, no obstante, no quiere decir caos. La integridad, calidad y consistencia del dato dentro de la organización no deberían ser negociables, por ejemplo. O cierta clase de proyectos, como la construcción del almacén de datos corporativo (el data warehouse), requieren un modelo de datos bien pensado, una inversión sostenida y un poco de paciencia. Actualmente se habla de un modelo de gestión “bimodal”, o de dos velocidades, donde cierta clase de proyectos son poco estructurados, ágiles y hasta en un modo de autoservicio (por ejemplo, la creación de informes y cuadros de mando) y otros requieren una aproximación más estructurada y formal. De este modo, si es difícil hablar de un “plan estratégico” de inteligencia de negocio, sí que tiene sentido disponer de una “agenda estratégica” orientada a la ejecución y revisable con frecuencia, en la que se establezcan:
No soy un experto, pero sí veo planes estratégicos a nivel de datos, y también veo agenda estratégica más flexible.
• Los proyectos de transformación del negocio. Estos son casi siempre sectoriales: en el ámbito del gran consumo es frecuente encontrarlos en las áreas de Márketing y Ventas (la analítica de clientes), pero en sectores industriales o compañías de servicios públicos pueden estar en la información que proviene del Internet de las Cosas (sensores o medidores en el terreno).
• Los proyectos facilitadores, que tienen que ver con la infraestructura de datos y de sistemas, con las
plataformas técnicas y con su integración, así como con el modelo de gestión de la informática de datos.
• Los proyectos de gestión del talento y de organización de la inteligencia analítica en la empresa y en
la relación con sus socios, que son la verdadera clave del éxito de una estrategia de datos.
• Algunos proyectos piloto en ámbitos de conocimiento nuevos que desbordan la inteligencia de negocio tradicional, como puede ser el Big Data o la inteligencia artificial.
• Pensar y ejecutar quick wins de diferente alcance y duración, asociados a cada una de las categorías anteriores, que visibilizan el cambio y hacen ganar tracción dentro de la empresa. Un quick win puede ser contar por fin con un cuadro de mando unificado para el Comité de Dirección, formar super-usuarios y analistas en el Departamento Comercial o fichar un BI (business intelligence) manager orientado al negocio, y no a la tecnología. Son preferibles cien proyectos de cien días que un proyecto de diez mil días. De acuerdo con esta última frase, pero no descarto que un proyecto de diez mil días sea apropiado a nivel estratégico. Esa línea sobre la que seguir plantando cien proyectos de cien días.
• Dejar de hacer cosas que no aportan valor y que obligan a personas clave a dedicar energía e inteligencia, cuando podrían abordar los proyectos que valenrealmente la pena. ¿Por qué seguir produciendo hojas de cálculo llenas de errores y difíciles de mantener? ¿Por qué seguir llevando a las reuniones de Dirección informes individuales y en papel si tenemos un cuadro de mando corporativo automatizado? Probablemente lo hacen porque alguien se lo pide.
• Cuidar las cosas que no pueden fallar y mejorar continuamente. Muchos esfuerzos de BI fallan por problemas de rendimiento (la información no se carga, está desactualizada o es muy lenta), de confianza (no hay un acuerdo entre los interesados sobre qué quiere decir un dato y cómo se calcula) o de interlocución entre tecnólogos, analistas de datos y usuarios finales. Que la inteligencia de negocios funcione es un esfuerzo permanente. No soy optimista en que todo funcione correctamente, pero aún lo soy menos en los acuerdos entre los interesados.
Una representación gráfica de esta agenda se presenta en la figura:
4. Buscan, nutren y desarrollan el talento analítico
Muchos datos están a disposición en formato abierto (el Open Data), compartidos por empresas o instituciones. La inteligencia de negocio y el Big Data han crecido con el impulso de las grandes marcas que han creado soluciones integradas (Tableau, Qlikview, Cognos o Business Objects…), pero aún más con el espíritu inquieto de desarrolladores de código abierto (el llamado “software libre”) que han creado ecosistemas distribuidos en la red (Pentaho, Hadoop, Spark, R o las familias de bases de datos no relacionales). Pero “son las personas quienes hacen que funcione realmente
el Big Data; … y las personas son caras y difíciles de conseguir”, afirma Tom Davenport.
Aquí hay mucha chicha. Marea... Eso es lo que las personas caras dominan y saben, y determinan como hacer que funcione realmente.
La inversión en sistemas de BI es, por tercer año consecutivo, la mayor prioridad de las empresas en el ámbito de los sistemas de información, según Gartner o IDC. También es uno de los sectores predilectos de creación de empresas de productos y servicios. Dos tercios de la facturación mundial del sector corresponden a compañías pequeñas y medianas, emprendedores y consultores individuales.
Está claro que saber dar este tipo de soluciones tiene que ser bien recompensado, y la caza hace tiempo que ha comenzado. Tengo ganas de mirar con calma (utopía) el portal de Barcelona Ciudad Digital, y ver qué se puede sacar de allí a partir de la disponibilidad de datos existente.
Según estimaciones de icrunchdata, el mayor portal de trabajo de inteligencia analítica, en 2015 se quedaron sin cubrir un millón de puestos en esta área en todo el mundo, casi uno de cada cuatro. Los profesionales de inteligencia de negocio y análisis de datos son, en consecuencia, los más buscados y mejor pagados en el sector de las TIC. ¿Por qué? ¿Cómo son los profesionales de inteligencia de negocio? ¿Qué hacen que los demás no saben hacer?
Posiblemente, lo primero que lo explica es que no son solo, o principal o necesariamente, tecnólogos e informáticos. La inteligencia de negocio tiene muchas puertas de entrada… y de salida. Hace solo dos o tres años, el grueso de los estudiantes y el grueso de los profesionales que se dedicaban a la inteligencia de negocio eran de origen tecnológico, que habían adquirido otras habilidades a través de la consultoría o que les gustaba la estadística y se habían dedicado a la minería de datos. El profesional de BI era un “‘pro’ todo terreno con pasión por los datos”. Ahora, muchos de los interesados son graduados en empresariales o en otras carreras no informáticas, de ciencias y de
letras, psicólogos, periodistas o biólogos. En los últimos años, se observa que el mercado va
diferenciando dos tipos de perfiles.
• Los que diseñan, construyen y administran sistemas de datos, normalmente con una formación de
base en ingeniería informática. Son los arquitectos o ingenieros de datos.
• Los que convierten los datos en información para tomar decisiones; o sea, los que entienden el problema de negocio, preparan y buscan los datos, crean modelos y algoritmos y analizan e interpretan los resultados. Son los científicos de datos.
Los dos perfiles trabajan juntos y tienen cosas en común. Todos necesitan programar (unos más y
otros menos), todos necesitan habilidades cuantitativas (unos más y otros menos), todos usan, en alguna medida, técnicas y herramientas, todos necesitan entender cómo funciona el negocio y se gana dinero y dónde aplicar mejor la inteligencia analítica y todos deben tener fuertes habilidades de comunicación, relación y trabajo en equipo.
La demanda de científicos de datos representa ya casi dos tercios del conjunto y es la que más crece.
D. J. Patil (el científico de datos “jefe” del gobierno de Obama) y Davenport la llamaron hace unos años “la profesión más sexy del siglo xxi”. Lo que sí está claro es que se trata de una nueva profesión que ha venido para quedarse. Parece una revolución empresarial semejante a la que significó la aparición de la gestión de recursos humanos en los primeros años 60.
Dicen estos dos profesionales que un científico de datos es un hacker, un científico, un asesor de confianza, un matemático y un experto de negocio, todo en uno. Ya se ve en la descripción anterior y en las capacidades propuestas en la figura que esta clase de profesional es un mirlo blanco, una especie de superhumano. Programas universitarios de posgrado e incluso, en otros países, de grado están intentando formarlos. Mientras tanto, las empresas crean equipos formados por personas capaces de aportar algunas de estas capacidades diferentes y trabajar juntas deforma productiva. Estos equipos pueden ser internos o mixtos –compuestos por proveedores de tecnología o de servicios de análisis de datos–. También actualmente está disponible en el mercado un gran número de freelancers, lo que puede constituir con frecuencia una solución más flexible y conveniente que una gran compañía de servicios.
No veo una orientación profesional personal muy clara en este campo, pero sí que las tareas a realizar en el caso práctico, si me es posible, deberían ir dentro de este entorno de trabajo. Empezaré por casa, pero si no lo animan, está claro que por otro lados se podrán hallar oportunidades, aunque sea empezando con el Open Data. Vamos tomando nota.
5. Desarrollan una cultura de empresa orientada a los datos
La tecnología es un factor muy a tener en cuenta: bases y almacenes de datos, cubos de análisis multidimensional, generadores de informes y cuadros de mando, diferentes modelos de computación, nuevos sistemas de memoria e inteligencia de negocio móvil y en la nube... También hay que considerar las técnicas y herramientas de análisis: estadística clásica, algorítmica avanzada, aprendizaje automático, minería de texto o de imagen, lenguajes de programación y de consulta... Lo mismo sucede con las políticas y los procesos de gobierno y gestión de los datos operacionales, tácticos y estratégicos (la calidad, seguridad, integridad, disponibilidad y consistencia de los datos) o con los sistemas internos, externos o mixtos de gestión de datos. Pero las tecnologías, técnicas, herramientas y procesos de administración de la informática no son lo más importante.
Una organización orientada a los datos se gestiona, principalmente, sobre la base de hechos, datos y evidencias, o, dicho de otra manera, tiene la capacidad de transformarse para que los datos y los modelos (de análisis) realmente conduzcan a mejor información sobre la realidad, generen conocimiento empresarial y permitan tomar mejores decisiones. El dato, si no se convierte en información, conocimiento y decisión, no sirve de gran cosa.
Me encanta comentar un párrafo antes de leer el siguiente!
William Deming (1900-1993), ingeniero, estadístico, físico e inventor del control de calidad moderno, decía: “Creemos en Dios; todos los demás que traigan datos”. Decía también Peter Drucker: “Lo que se puede medir, se puede gestionar” y “se hace lo que se mide, se mide lo que se hace”. Esta es la esencia del “pensamiento analítico”, lo que algunos llaman “el arte de hacer preguntas”.
En el agitado y acelerado mundo de la empresa, los directivos y mandos intermedios corren, con frecuencia, a dar su opinión u obtener conclusiones antes de tomarse un tiempo para entender el problema, formular bien las preguntas, buscar y analizar los datos y discutir las evidencias. Y volver a empezar, volver a preguntar. Muchos ejecutivos confían en su intuición y su experiencia y temen los datos. Las capacidades de la tecnología han tenido también un efecto perverso: la acumulación de datos y el juego de descubrir lo que estos esconden sustituyen a veces el sentido común de comprender una necesidad de negocio, formular las cuestiones apropiadas y entonces, y solo entonces, ir a buscar los datos.
Tomarse tiempo... Suena tan complicado en estos tiempos! Y cuántas cosas podrían solucionarse... Y mucha razón en el tema de los datos. A veces, por ejemplo, en lugar de buscar en el Maps el campo de fútbol, puede que valga la pena levantar la cabeza y buscar los focos del campo...
La psicología del comportamiento en la empresa ha analizado en los últimos años los procesos de toma de decisiones y perfeccionado el pensamiento analítico. La investigación prueba, por ejemplo, que el entrenamiento en la toma de decisiones en situaciones de incertidumbre, la comprensión de la estadística y el cálculo de probabilidades, el trabajo en equipo y una combinación adecuada de conocimiento humano y uso de algoritmos suelen ser una combinación más eficaz: los números no hablan por sí mismos, las emociones tampoco. Decía Albert Einstein: “No todo lo que cuenta puede ser contado. No todo lo que puede ser contado cuenta”.
Pues para eso estamos aquí. Nunca es malo el soporte técnico. Creo que la clave es saber utilizarlo correctamente.
Para que una organización pueda extraer todo el potencial de la inteligencia de datos necesita desarrollar actitudes, hábitos, procesos de gestión y sistemas de evaluación que premien el pensamiento analítico en toda la empresa. Si existe un gap de ingenieros y científicos de datos, también lo hay de directivos y usuarios, consumidores inteligentes de datos –lo que se ha llamado los non-quants–. Según un estudio del Instituto McKinsey de 2012, la previsión es que, en 2018, solo en Estados Unidos, existirá una demanda sin cubrir de un millón y medio de directivos y cuadros intermedios con habilidades analíticas.
Está claro que, si generas información a partir de todo un proceso que sencillo no va a ser, pues es lógico y necesario que exista alguien en la empresa que sea capaz de interpretar la información obtenida.
En el cuadro 2 se presenta un resumen de las actitudes, hábitos y conocimientos que deben desarrollar
estos non-quants para implantarlos, comenzando por la Dirección, el pensamiento y la cultura analítica en la empresa.
Prejuicios, evangelización, actitud, hábitos... Hay mucho componente más allá de la técnica que se escapa del caso ideal que nos gustaría a todos.
Entre las dimensiones del primer modelo de madurez analítica presentado por Davenport y Harris en
2007 ni siquiera estaba la tecnología; en su lugar: datos, organización, liderazgo, objetivos
y personas…
La tecnología está en todo esto, y cada vez más para bien o para mal...
Los tecnólogos (ingenieros y arquitectos de datos) y los científicos de datos (los quants) tienen también que hacer un esfuerzo extra para escuchar y entender y para hacerse entender y ser escuchados. En un informe reciente sobre las capacidades a desarrollar por los profesionales de inteligencia de negocio, eran las habilidades de comunicación las más reclamadas.
Los tecnólogos no se comunican y la tecnología hace que nos comuniquemos menos. Eso hace pinta de oxímoron de los buenos.
La inteligencia de negocio es un espejo y una oportunidad para la informática y el negocio. La información es un espacio común donde la gente puede entenderse trabajando codo con codo; en la información cree casi todo el mundo. La inteligencia de negocio habla acerca de cómo la gente real (analistas, trabajadores del conocimiento, ejecutivos intermedios y altos) usa la información en la realidad, cómo le gusta verla presentada o cómo prefiere buscarla.
A este espacio común se le denomina centros de competencias, equipos de soporte de información,
data labs o como decidamos llamar a formas reales o virtuales de trabajo en equipos híbridos. Aún más importante que el talento especializado es el desarrollo de directivos y usuarios que sean consumidores inteligentes de datos capaces de colaborar de forma productiva con los informáticos y los estadísticos.
No soy pesimista en la caza de estos perfiles. De hecho, considero que un directivo que haya iniciado sus estudios en las materias tecnológicas ya es un buen perfil para ello. Y el futuro nos trae generaciones que controlan la tecnología porque han nacido con ella. El problema radica en que en ese viaje tan unido puede que se hayan perdido otras cosas por el camino, y muchas de buenas.
CONCLUSIONES
No hay nada más poderoso, decía Victor Hugo, que una buena idea a la que le ha llegado su momento. La inteligencia analítica o la revolución de los datos masivos (el Big Data) no son una moda. Las empresas que reconocen el valor estratégico de la información y la usan para competir y cooperar son más productivas y obtienen mayores beneficios. La información añade valor a los productos, transforma la experiencia del cliente y los procesos de gestión o permite crear por completo nuevos productos y modelos de negocio.
estos non-quants para implantarlos, comenzando por la Dirección, el pensamiento y la cultura analítica en la empresa.
Entre las dimensiones del primer modelo de madurez analítica presentado por Davenport y Harris en
2007 ni siquiera estaba la tecnología; en su lugar: datos, organización, liderazgo, objetivos
y personas…
La tecnología está en todo esto, y cada vez más para bien o para mal...
Los tecnólogos (ingenieros y arquitectos de datos) y los científicos de datos (los quants) tienen también que hacer un esfuerzo extra para escuchar y entender y para hacerse entender y ser escuchados. En un informe reciente sobre las capacidades a desarrollar por los profesionales de inteligencia de negocio, eran las habilidades de comunicación las más reclamadas.
Los tecnólogos no se comunican y la tecnología hace que nos comuniquemos menos. Eso hace pinta de oxímoron de los buenos.
La inteligencia de negocio es un espejo y una oportunidad para la informática y el negocio. La información es un espacio común donde la gente puede entenderse trabajando codo con codo; en la información cree casi todo el mundo. La inteligencia de negocio habla acerca de cómo la gente real (analistas, trabajadores del conocimiento, ejecutivos intermedios y altos) usa la información en la realidad, cómo le gusta verla presentada o cómo prefiere buscarla.
A este espacio común se le denomina centros de competencias, equipos de soporte de información,
data labs o como decidamos llamar a formas reales o virtuales de trabajo en equipos híbridos. Aún más importante que el talento especializado es el desarrollo de directivos y usuarios que sean consumidores inteligentes de datos capaces de colaborar de forma productiva con los informáticos y los estadísticos.
No soy pesimista en la caza de estos perfiles. De hecho, considero que un directivo que haya iniciado sus estudios en las materias tecnológicas ya es un buen perfil para ello. Y el futuro nos trae generaciones que controlan la tecnología porque han nacido con ella. El problema radica en que en ese viaje tan unido puede que se hayan perdido otras cosas por el camino, y muchas de buenas.
CONCLUSIONES
No hay nada más poderoso, decía Victor Hugo, que una buena idea a la que le ha llegado su momento. La inteligencia analítica o la revolución de los datos masivos (el Big Data) no son una moda. Las empresas que reconocen el valor estratégico de la información y la usan para competir y cooperar son más productivas y obtienen mayores beneficios. La información añade valor a los productos, transforma la experiencia del cliente y los procesos de gestión o permite crear por completo nuevos productos y modelos de negocio.
Y muchas veces funciona. Y eso es lo que le da valor añadido, más allá de la tecnología de por sí.
Cada empresa debería conocer, para su contexto y realidad específicos (el sector, la inversión en sistemas de información y cultura analítica, sus competencias críticas y su momento e intereses), cuál es su situación de partida, su potencial de uso de los datos internos y externos, y trazar una hoja de ruta a su medida. Este camino va de los usos descriptivos y retrospectivos hasta los usos predictivos y prescriptivos de la información.
Es muy importante mirar hacia dónde vas sin olvidar de dónde vienes. Y con los datos, tienes una buena ayuda.
En la implantación de una estrategia de uso de los datos, se hace camino al andar. Una buena agenda de ejecución tiene que combinar proyectos estratégicos e infraestructurales de largo alcance con soluciones y mejoras a corto plazo. En esta agenda, el aspecto más crítico es la captación y desarrollo del talento. La demanda de talento analítico (ingenieros y científicos de datos) supera enormemente a la oferta. Las empresas tienen que proceder con imaginación para captar a este tipo de profesionales tan escasos y apalancarse en equipos externos y mixtos.
Muy de acuerdo con lo subrayado. Y lo del talento, pues también se hace camino al andar. Seguro que en tu propia empresa también puedes encontrar perfiles que acepten ese reto.
Las compañías orientadas a los datos extienden el pensamiento analítico por toda la organización: la costumbre de hacer preguntas, buscar evidencias, convertir los datos en información y tomar mejores decisiones. Solo con la colaboración entre directivos y usuarios inteligentes de la información, ingenieros de informática y científicos de datos podremos crear empresas más inteligentes.
Mucha colaboración, Que no falte!
No hay comentarios:
Publicar un comentario