La transformación digital exige evolucionar desde una analítica descriptiva hacia el uso de modelos predictivos y prescriptivos. El objetivo: convertir los datos en decisiones procesables para optimizar procesos y reducir la incertidumbre. El éxito depende, en gran medida, de la capacidad del gerente para formular buenas preguntas de negocio.

La tecnología avanza más rápidamente que la capacidad humana para aprender a usarla o, lo que es peor, para comprender cómo funciona. Comúnmente se habla de inteligencia artificial, realidad aumentada, almacenamiento en la nube o software como servicio (Saas). Lo que se vive en estos momentos es una aceleración que requiere del gerente una mayor capacidad de adaptación.

En los últimos años se escucha que «los datos son el nuevo petróleo». Esta analogía se queda corta para captar la importancia y el valor de los datos para las empresas en la actualidad y en el futuro próximo. A diferencia del petróleo, los datos no se agotan con el uso. El dato no es un recurso finito y no renovable; muy al contrario, la cantidad de datos crece de manera exponencial cada año debido, en parte, a la internet de las cosas y los medios digitales.

El valor de los datos se multiplica cuando se procesan, se contextualizan y se transforman en conocimiento. Como afirma Hilary Mason: «La principal ventaja de los datos es que te dicen algo sobre el mundo que no sabías antes». Mason es científica de datos, fundadora de la empresa de inteligencia artificial Fast Forward Labs y ex científica jefa de Bitly, una plataforma de gestión de enlaces y acortamiento de URL.[1]

El poder se encuentra en el conocimiento, no en la información.

Hoy, a cada segundo, se produce una gran cantidad de datos y ya no existe el problema del almacenamiento. Las unidades de memoria son económicas, eficientes y de un tamaño físico manejable. Además, con el almacenamiento en la nube las empresas ya no necesitan disponer físicamente del espacio, la seguridad y la actualización de equipos, sino que pueden contratar a expertos que garantizan un servicio óptimo.

El desafío ya no es la escasez de datos sino la capacidad para transformar una ingente cantidad de datos en información y, posteriormente, en conocimiento que tenga valor para el negocio y conduzca tomar mejores decisiones. Tradicionalmente se decía que «la información es poder», pero la verdad es que el poder se encuentra en el conocimiento, no en la información. ¿Cuál es la diferencia?

El conocimiento facilita la socialización y la comunicación de la información con otros, lo que se traduce en ideas (insights) que lleven a los gerentes a tomar decisiones que crean valor para los clientes y para las empresas. El mundo interconectado exige abandonar el egoísmo, trabajar de manera conjunta y compartir los aprendizajes. Pero, antes de extraer valor, es fundamental comprender que los datos convergen hacia la organización desde dos vertientes principales: unas forman parte de la organización y otras son ajenas a ella, pero de igual manera inciden en ella.

1. Fuentes internas: abarcan desde sistemas transaccionales y CRM (sistemas de gestión de las relaciones con los clientes) hasta interacciones en sitios web, aplicaciones móviles, correos electrónicos y los crecientes flujos de sensores y dispositivos interconectados. Desde las grandes empresas hasta las pymes más pequeñas cuentan con una gran cantidad de datos (a veces, sin saberlo) que, en general, requiere orden y estructura para dilucidar qué hacer con ellos y cómo procesarlos.
2. Fuentes externas: el país, la región donde opera la empresa, los competidores, entre otros actores, constituyen un contexto vital. Las redes sociales, las bases de datos de terceros, las encuestas, los formularios y los datos gubernamentales permiten contrastar la realidad interna con la del mercado. A veces es difícil acceder a fuentes de datos confiables y actuales en Venezuela; aquí es donde se ponen a valer las alianzas comerciales, que permitirán compartir información entre las empresas para que todos ganen. Entre estas alianzas se encuentran las cámaras de comercio y las federaciones, entre otras.

El verdadero valor de los datos no reside en su almacenamiento. El propósito no es almacenar la mayor cantidad posible de datos, como si se tratara del tesoro de un dragón, sino entenderlos como un recurso que permite crear valor: un activo estratégico.

Por sí solos los datos no crean valor: es la labor de la gerencia procesarlos y transformarlos en modelos que permitan tomar mejores decisiones, para que contribuyan a crear valor. ¿Y cómo se hace esto? Existe una amplia gama de disciplinas, herramientas y tecnologías que apoyan la toma de decisiones basada en datos: desde la estadística y la inteligencia de negocios hasta las fronteras más avanzadas del aprendizaje automático (machine learning), la inteligencia artificial y la ciencia de datos; sin dejar de lado a la reina: la analítica empresarial (business analytics).

La función principal del gerente no es construir modelos complejos, sino hacer las preguntas de negocio correctas.

La conversión del dato en activo estratégico

El dato será un activo estratégico cuando mejore al menos una de las siguientes áreas del negocio: el producto y la innovación, la relación con el cliente y la excelencia operativa.

Perspectiva del producto y la innovación

La analítica empresarial permite examinar el ciclo de vida de los productos y responder cuestiones fundamentales como las siguientes: ¿cuáles productos dan más ganancias? ¿De qué manera se pueden trasladar las ventas hacia los productos que ofrecen mayor rentabilidad? Cuando se comprenden las demandas insatisfechas de los consumidores y los modelos de productos que son complementarios o sustituibles, la información se transforma en el motor de la innovación enfocada al mercado. Esto posibilita que las empresas identifiquen lo que sus clientes y prospectos requieren antes de que ellos mismos lo hagan, y lo conviertan en productos o servicios personalizados.

Perspectiva de la relación con el cliente

El cliente no es un grupo homogéneo. La analítica permite segmentar según el verdadero valor del cliente por medio del método recencia-frecuencia-monto (RFM), el valor del cliente a largo plazo (customer lifetime value) o las preferencias o conductas de los clientes; para ello, se utilizan variables psicográficas. Los datos permiten determinar cuántos clientes se pueden atender con calidad y, lo que es aún más importante, a cuántos y cuáles se quiere atender. El propósito es aumentar la cantidad de clientes potenciales y retener a los valiosos mediante una mezcla de mercadeo basada en una comprensión profunda de sus conductas, para atenderlos de la mejor forma posible.

Perspectiva de la excelencia operativa

Los datos constituyen, en el contexto interno, el instrumento más eficaz para optimizar procesos. Disminuir las variaciones, reducir al mínimo los desperdicios, aprovechar al máximo los recursos y supervisar los costos son ventajas directas de una administración basada en información. Manejar grandes inversiones de capital con un pequeño margen de error gracias a los datos históricos: esto es lo que se entiende por excelencia operativa, más allá de la simple eficiencia. El conocimiento histórico facilita comprender las conexiones entre las variables mediante un modelo y optimizar para, por ejemplo, lograr más rendimiento o menos desperdicio.

La analítica empresarial crea valor solamente si mejoran los procesos operativos, si surgen otros nuevos o si se crea la certeza de que no se debe hacer algo.

La analítica empresarial

Analítica empresarial es el proceso de desarrollar tomar decisiones ejecutables o recomendaciones de acciones basadas en información derivada de datos históricos. Combina tecnología informática, técnicas de ciencias de la administración y estadística para resolver problemas reales.

La analítica empresarial crea valor solamente si mejoran los procesos operativos, si surgen otros nuevos o si se crea la certeza de que no se debe hacer algo. Esta última es la opción más difícil de aceptar porque, en general, cuando se deja de lado un proceso, suele quedar una sensación de fracaso o de pérdida, dada la inversión de tiempo y recursos. Sin embargo, es necesario recordar que la pérdida sería mucho mayor si se mantiene el proceso.

La analítica abarca tres dimensiones esenciales:

1. Analítica descriptiva: responde qué está ocurriendo ahora y qué ocurrió. Se enfoca en el pasado y el presente; por ejemplo, ventas históricas, tendencias y recorrido del cliente (customer journey). Permite entender, por ejemplo, cuáles productos se compran juntos en una «canasta de compra». Se parece mucho a la inteligencia de negocios; de hecho, es una evolución de ella. Los recursos que utiliza —reportes, informes, indicadores clave de desempeño, entre otros— ayudan a comprender dónde está la empresa en este momento y cuál es la diferencia entre la realidad (observada en los datos) y las metas (descritas en la planificación estratégica). Sin embargo, entender la posición actual tiene un gran valor al momento del diagnóstico, pero resulta insuficiente para tomar decisiones y dilucidar el camino a seguir. De allí la necesidad de ir un paso más allá.
2. Analítica predictiva: responde qué ocurrirá después. Utiliza modelos para anticipar el futuro; por ejemplo, predicción de demanda, evaluación de riesgo crediticio y cuantificación de pérdidas por abandono (churn), incluyendo el momento más probable en que un cliente podría abandonar el negocio. Es importante entender que un modelo es una representación de la realidad, pero no la realidad, sino una versión más simple y, por lo tanto, susceptible de error. La ventaja es que es posible conocer el error y, de esa forma, lograr un mayor control de la incertidumbre inherente al negocio. El truco está en usar el modelo adecuado al problema y a los datos disponibles, además de actualizarlo cuando se vuelva obsoleto.
3. Analítica prescriptiva: responde qué se debe hacer. Es la cúspide de la madurez analítica. No solo predice un escenario, sino también recomienda la mejor acción: optimización de precios, personalización de recomendaciones en tiempo real, gestión inteligente de inventarios y optimización de rutas de entrega. Utiliza herramientas de simulación y optimización para comprender la interacción entre las variables y las distintas posibilidades, además de los efectos que tendrán unas en otras. Algunas variables que impactan en el negocio están bajo control de la empresa y otras dependen de políticas externas, del entorno y de las decisiones que tomen los competidores. De allí surge la necesidad de comprender cómo se puede afectar la creación de valor.

Desarrollar una mentalidad basada en datos dejó de ser una opción técnica y se ha convertido en una necesidad competitiva.

El factor humano: más allá de los modelos

Al margen del avance tecnológico, el éxito de una estrategia de datos no depende exclusivamente de los algoritmos: depende de la mentalidad de quienes toman las decisiones. La función principal del gerente no es construir modelos complejos, sino hacer las preguntas de negocio correctas.

El experto es insustituible: es quien posee el sentido común para determinar si el resultado de un modelo es un hallazgo valioso o un disparate estadístico. Los gerentes son quienes dan valor y sentido a los patrones encontrados en los datos y deciden cuál es el mejor modelo para el problema. En este sentido, deben convertirse en guardianes del valor de negocio. Cada proyecto de analítica debe nacer con un propósito y morir con un resultado financiero claro. La tecnología es el medio y el dato es el activo, pero la visión estratégica es el conductor.

Desarrollar una mentalidad basada en datos dejó de ser una opción técnica y se ha convertido en una necesidad competitiva. El dato está allí, a la espera de decir algo que no se sabía. La tarea es escuchar, preguntar y, finalmente, actuar con precisión.

Jenifer María Campos Silva, profesora del IESA

Suscríbase aquí al boletín de novedades (gratuito) de Debates IESA.

Nota:

[1] Detwiler, B., (2015, 2 de marzo). Big data is a competitive advantage companies can no longer ignore. ZDNet. https://www.zdnet.com/article/big-data-is-a-competitive-advantage-companies-can-no-longer-ignore/