Los datos pueden hacer para la gerencia del cambio lo qué hizo para la comercialización
Por Michael L. Tushman, Anna Kahn, Mary Elizabeth Porray y Andy Binns
Harvard Business Review
Gestión del Cambio
Los negocios en el siglo XXI están siendo redefinidos por una revolución basada en datos. Tome el experimento del MIT Media Lab para ver si podría estimar el desempeño de las ventas al por menor en "Black Friday", al día siguiente del Día de Acción de Gracias de los Estados Unidos. En lugar de esperar los datos de las propias tiendas, utilizaron datos de localización de teléfonos móviles para inferir cuántas personas estaban en los estacionamientos de los principales minoristas. La combinación de esto con los datos sobre el gasto promedio por comprador les permitió estimar las ventas de un minorista, incluso antes de que la compañía lo hubiera registrado ellos mismos.
Esto es sólo un ejemplo. Los juicios que solían depender de la intuición humana por sí solos están ahora soportados por los conocimientos obtenidos de análisis complejos y modelos predictivos. Los minoristas combinan datos demográficos y meteorológicos para predecir ventas y desarrollar planes de merchandising. Los bancos y prestamistas tienen motores de análisis predictivo que le dicen al prestamista la probabilidad de que un cliente les pague de vuelta. Los cambios en los precios del mercado de la vivienda pueden predecirse con mayor precisión a partir del análisis de las búsquedas de Google que de un equipo de expertos en pronósticos inmobiliarios. La inversión se está precipitando en la analítica de datos grandes como las empresas buscan encontrar formas de entender primero y luego aprovechar las posibilidades que se ofrecen. Ha habido una rápida adopción en la atención de la salud, la comercialización de los consumidores, la reducción de la delincuencia, la agricultura, la investigación científica y muchas otras áreas.
Un área hasta ahora relativamente intacta es la gestión del cambio. Eso no es porque no hay un problema que resolver. El fracaso de grandes proyectos de transformación para lograr los beneficios esperados es un fenómeno bien documentado: muchos programas de cambio simplemente no logran sus objetivos de negocio.
Es hora de que eso cambie. La combinación de análisis predictivo, grandes conjuntos de datos y el poder de procesamiento de las computadoras de hoy en día está empezando a transformar la gestión del cambio. Así como la disciplina del marketing se ha transformado de suave a ciencia dura en los últimos 20 años, también lo hará la práctica del cambio. Pero antes de que esto pueda suceder, tenemos que entender por qué los datos no han logrado captar la gestión del cambio hasta la fecha.
Un gran obstáculo es la profesión de gestión del cambio en sí misma (de la que todos somos miembros orgullosos). Hasta la fecha, la gestión de cambios no se ha basado en un modelo basado en datos. Cuando un practicante de cambios habla de datos, normalmente esa es información cualitativa, generada por un taller de análisis de causa raíz o similar. Eso se debe a que muchas de las cuestiones que tratamos tienen que ver con el comportamiento humano. Estos factores intangibles como la cultura, el liderazgo y la motivación no ceden fácilmente al análisis empírico. Esto dificulta establecer experimentos controlados para validar la causa y el efecto para demostrar cómo las intervenciones de cambio específicas proporcionan los resultados deseados.
Los académicos no nos han ayudado. La mayoría de los modelos para el manejo del cambio están enraizados en la investigación de la década de 1940 que originalmente fue diseñada para explicar cómo los grupos pequeños se adaptan al cambio, no las organizaciones grandes y complejas. El enfoque de gestión más popular para la gestión del cambio es el modelo de ocho pasos de John Kotter. Los investigadores han señalado que aunque el modelo tiene sentido, ha habido pocos datos empíricos para apoyarlo. Las investigaciones subsiguientes para validar este modelo no han tenido éxito. También hay acalorados debates académicos sobre cómo medir la eficacia, la motivación y la cultura del liderazgo. Un estudio reciente de destacados académicos sobre el terreno llegó a la conclusión de que no existe una definición consensuada de "cultura" y de que las herramientas utilizadas para medirla son metodológicamente erróneas o diseñadas para medir algo más. Estos no son los fundamentos de una ciencia adecuada que verifica el conocimiento a través del experimento y la replicación de los resultados en los estudios revisados por pares.
Cuando la gestión del cambio funciona, se debe al trabajo de profesionales experimentados y experimentados que saben unir un conjunto de prácticas para ayudar a un negocio a alcanzar sus metas de cambio. La cuestión es que operan como artesanos, no como científicos. Los practicantes del cambio luchan para alcanzar los niveles de prueba que son estándar en otras profesiones. Permiten muchos esfuerzos de transformación exitosos, pero luego carecen de los datos para demostrar el vínculo entre causa y efecto que un profesional de la cadena de comercialización o de la cadena de suministro da por sentado. Esto hace que sea difícil justificar la inversión en la gestión del cambio con el rigor que podría esperar un CEO o CFO impulsado por datos. El resultado es un ciclo de transformaciones de bajo rendimiento; Sin datos para validar el retorno de la inversión, la gestión del cambio no atrae los recursos que requiere y el resultado se reduce a la calidad de los artesanos en el trabajo. Mejorar las herramientas que los artesanos usan puede hacer para mejores resultados, pero no permitirá una causa y un efecto demostrables. Convertir la gestión del cambio de un arte a una ciencia es la clave para desbloquear este problema.
Michael L. Tushman es el Paul R. Lawrence MBA de 1942 profesor de Administración de Empresas en la Escuela de Negocios de Harvard y director de Change Logic, una firma de consultoría especializada en innovación, liderazgo y cambio en Boston. Es co-autor, con Charles O'Reilly, de Lead and Disrupt, (Stanford University Press, 2016). Usted puede seguirlo en Twitter en @ MichaelTushman.
Anna Kahn es Socia en Servicios de Asesoramiento de Personas de EY.
Mary Elizabeth Porray es Socia / Principal en Ernst & Young LLP EY's People Advisory Services.
Andy Binns (andrew.binns@change-logic.com) es el director general de Change Logic, una firma de consultoría con sede en Boston.
Harvard Business Review
Gestión del Cambio
Los negocios en el siglo XXI están siendo redefinidos por una revolución basada en datos. Tome el experimento del MIT Media Lab para ver si podría estimar el desempeño de las ventas al por menor en "Black Friday", al día siguiente del Día de Acción de Gracias de los Estados Unidos. En lugar de esperar los datos de las propias tiendas, utilizaron datos de localización de teléfonos móviles para inferir cuántas personas estaban en los estacionamientos de los principales minoristas. La combinación de esto con los datos sobre el gasto promedio por comprador les permitió estimar las ventas de un minorista, incluso antes de que la compañía lo hubiera registrado ellos mismos.
Esto es sólo un ejemplo. Los juicios que solían depender de la intuición humana por sí solos están ahora soportados por los conocimientos obtenidos de análisis complejos y modelos predictivos. Los minoristas combinan datos demográficos y meteorológicos para predecir ventas y desarrollar planes de merchandising. Los bancos y prestamistas tienen motores de análisis predictivo que le dicen al prestamista la probabilidad de que un cliente les pague de vuelta. Los cambios en los precios del mercado de la vivienda pueden predecirse con mayor precisión a partir del análisis de las búsquedas de Google que de un equipo de expertos en pronósticos inmobiliarios. La inversión se está precipitando en la analítica de datos grandes como las empresas buscan encontrar formas de entender primero y luego aprovechar las posibilidades que se ofrecen. Ha habido una rápida adopción en la atención de la salud, la comercialización de los consumidores, la reducción de la delincuencia, la agricultura, la investigación científica y muchas otras áreas.
Un área hasta ahora relativamente intacta es la gestión del cambio. Eso no es porque no hay un problema que resolver. El fracaso de grandes proyectos de transformación para lograr los beneficios esperados es un fenómeno bien documentado: muchos programas de cambio simplemente no logran sus objetivos de negocio.
Es hora de que eso cambie. La combinación de análisis predictivo, grandes conjuntos de datos y el poder de procesamiento de las computadoras de hoy en día está empezando a transformar la gestión del cambio. Así como la disciplina del marketing se ha transformado de suave a ciencia dura en los últimos 20 años, también lo hará la práctica del cambio. Pero antes de que esto pueda suceder, tenemos que entender por qué los datos no han logrado captar la gestión del cambio hasta la fecha.
Un gran obstáculo es la profesión de gestión del cambio en sí misma (de la que todos somos miembros orgullosos). Hasta la fecha, la gestión de cambios no se ha basado en un modelo basado en datos. Cuando un practicante de cambios habla de datos, normalmente esa es información cualitativa, generada por un taller de análisis de causa raíz o similar. Eso se debe a que muchas de las cuestiones que tratamos tienen que ver con el comportamiento humano. Estos factores intangibles como la cultura, el liderazgo y la motivación no ceden fácilmente al análisis empírico. Esto dificulta establecer experimentos controlados para validar la causa y el efecto para demostrar cómo las intervenciones de cambio específicas proporcionan los resultados deseados.
Los académicos no nos han ayudado. La mayoría de los modelos para el manejo del cambio están enraizados en la investigación de la década de 1940 que originalmente fue diseñada para explicar cómo los grupos pequeños se adaptan al cambio, no las organizaciones grandes y complejas. El enfoque de gestión más popular para la gestión del cambio es el modelo de ocho pasos de John Kotter. Los investigadores han señalado que aunque el modelo tiene sentido, ha habido pocos datos empíricos para apoyarlo. Las investigaciones subsiguientes para validar este modelo no han tenido éxito. También hay acalorados debates académicos sobre cómo medir la eficacia, la motivación y la cultura del liderazgo. Un estudio reciente de destacados académicos sobre el terreno llegó a la conclusión de que no existe una definición consensuada de "cultura" y de que las herramientas utilizadas para medirla son metodológicamente erróneas o diseñadas para medir algo más. Estos no son los fundamentos de una ciencia adecuada que verifica el conocimiento a través del experimento y la replicación de los resultados en los estudios revisados por pares.
Cuando la gestión del cambio funciona, se debe al trabajo de profesionales experimentados y experimentados que saben unir un conjunto de prácticas para ayudar a un negocio a alcanzar sus metas de cambio. La cuestión es que operan como artesanos, no como científicos. Los practicantes del cambio luchan para alcanzar los niveles de prueba que son estándar en otras profesiones. Permiten muchos esfuerzos de transformación exitosos, pero luego carecen de los datos para demostrar el vínculo entre causa y efecto que un profesional de la cadena de comercialización o de la cadena de suministro da por sentado. Esto hace que sea difícil justificar la inversión en la gestión del cambio con el rigor que podría esperar un CEO o CFO impulsado por datos. El resultado es un ciclo de transformaciones de bajo rendimiento; Sin datos para validar el retorno de la inversión, la gestión del cambio no atrae los recursos que requiere y el resultado se reduce a la calidad de los artesanos en el trabajo. Mejorar las herramientas que los artesanos usan puede hacer para mejores resultados, pero no permitirá una causa y un efecto demostrables. Convertir la gestión del cambio de un arte a una ciencia es la clave para desbloquear este problema.
Michael L. Tushman es el Paul R. Lawrence MBA de 1942 profesor de Administración de Empresas en la Escuela de Negocios de Harvard y director de Change Logic, una firma de consultoría especializada en innovación, liderazgo y cambio en Boston. Es co-autor, con Charles O'Reilly, de Lead and Disrupt, (Stanford University Press, 2016). Usted puede seguirlo en Twitter en @ MichaelTushman.
Anna Kahn es Socia en Servicios de Asesoramiento de Personas de EY.
Mary Elizabeth Porray es Socia / Principal en Ernst & Young LLP EY's People Advisory Services.
Andy Binns (andrew.binns@change-logic.com) es el director general de Change Logic, una firma de consultoría con sede en Boston.
Editores originales conservan todos los derechos.
No hay comentarios:
Publicar un comentario