Cómo los proveedores de software B2B pueden ayudar a sus clientes
Por Thomas H. Davenport, Barry Libert y Megan Beck
Harvard Business Review
Investigación de mercado
Saber qué organizaciones funcionan mejor en cualquier dimensión particular solía requerir encuestas subjetivas o investigaciones minuciosas. En la actualidad, los datos para responder a esas preguntas existen: son capturados por las empresas de software como servicio cuyas empresas de servicios utilizan para administrar sus negocios. Las principales empresas de software están comenzando a mantener "reflejos de datos" en sus clientes, lo que permite calificar y comparar las estrategias de sus clientes. Ya vimos que es posible usar datos externos para evaluar a las empresas sobre los modelos comerciales que están empleando y qué significan esos modelos comerciales para sus valoraciones. Esos análisis dependen de fuentes de datos disponibles públicamente, pero los proveedores de software han acumulado cantidades crecientes de datos privados en casi todos los aspectos de la tecnología, las operaciones, las personas y las estrategias de sus clientes. Es hora de que estos acumuladores de datos comiencen a compartir ideas con los creadores de todos estos datos, y varias empresas están empezando a hacerlo.
Las empresas de software más probables para tener esos datos son aquellos que proporcionan capacidades transaccionales a sus clientes utilizando un modelo de SaaS basado en suscripciones. SAP, por ejemplo, tiene datos sobre una variedad de dominios transaccionales, desde pedidos de clientes hasta saldos de vacaciones. Una de sus unidades de negocio, Fieldglass, proporciona información y puntos de referencia a los clientes sobre la gestión externa de la fuerza de trabajo. ADP, un proveedor líder de capacidades de nómina, les permite a los clientes utilizar su herramienta DataCloud para comparar con otras empresas no solo cuánto se les paga a los empleados, sino también métricas como el tiempo promedio de empleo, las tasas de deserción, cuánto invierten en cuentas de jubilación, y a qué edad se retiran. El software MarketShare de Neustar hace posible que los clientes midan los efectos de sus programas de mercadeo y los comparen con otras firmas. Incluso es posible mantener el espejo de datos a los usuarios de tecnología individual. Microsoft, por ejemplo, tiene un programa llamado MyAnalytics que informa a los clientes de su software de productividad de Office sobre cuánto tiempo pasan en varias tareas y el tamaño y la fortaleza de sus redes de comunicaciones.
Al mismo tiempo que los espejos de datos y la puntuación han surgido en el mundo corporativo, los mercados de capital están cada vez más interesados en el análisis de conjuntos de datos alternativos. Los inversores activos, como los fondos de cobertura, buscan superar al mercado y a los proveedores de índices. El gigante de los índices bursátiles S & P compró Kensho, la firma de análisis boutique basada en inteligencia artificial, por esta razón: mejorar su uso de la IA para mejorar las decisiones de inversión y diversificar el tipo de datos utilizados para tomar esas decisiones. (Kensho utiliza no solo datos financieros brutos, sino datos de todo tipo de fuentes "alternativas").
El software y otras compañías que desarrollan espejos de datos y puntajes pueden hacer crecer sus líneas principales e inferiores con pocos o ningún costo marginal al generar índices de inversión que relacionen su visión y datos únicos con los retornos de los inversionistas. Estos pueden comercializarse y monetizarse a través de los mercados de capitales en asociación con bolsas y empresas de calificación.
Creemos que hay muchas más oportunidades para que las compañías de software adopten este enfoque: recopilar datos, relacionarlos con los resultados deseados y devolverlos a sus clientes. Salesforce.com, por ejemplo, podría dejar que sus clientes se evalúen a sí mismos sobre su capacidad para mover prospectos de ventas a lo largo de la tubería. Workday podría proporcionar análisis más detallados y comparaciones de benchmarking que ADP o SAP Fieldglass en la fuerza de trabajo. Oracle podría informar a las empresas cómo su costo promedio de emisión de una orden de compra, o sus niveles promedio de cuentas por pagar, se comparan con otras empresas.
Permitir que una sola empresa se compare con otras firmas con atributos específicos es valiosa, pero una oportunidad aún mayor de crear valor a partir de los datos es asignar puntuaciones a los clientes basadas en datos y análisis sobre cómo se comparan con sus pares en funciones o procesos amplios, y proporcionar caminos para mejorar sus operaciones y transformar sus organizaciones para convertirse en líderes digitales. El puntaje FICO es un excelente ejemplo; la compañía reduce el complejo historial crediticio de un consumidor a una calificación única de tres dígitos que tanto los acreedores como los deudores pueden comprender. Imagínese si todos los fabricantes tuvieran, por ejemplo, un puntaje de eficiencia en la cadena de suministro o si todas las empresas tuvieran un puntaje de desarrollo de liderazgo. Esto proporcionaría motivación a los líderes para mejorar sus puntajes, y permitiría a los mercados de capital tomar mejores decisiones sobre las capacidades de las compañías en las que invierten. El atractivo de las medidas de desempeño no financiero generalizadas para evaluar a las empresas se debatió durante varias décadas, pero nunca se logró, a pesar del continuo crecimiento de los activos y las prioridades mal medidos por los PCGA.
Por supuesto, hay varias medidas que las compañías de software deben tomar para hacer posible los espejos de datos. Estas son algunas de las consideraciones clave:
Este primer enfoque de datos obviamente abre una variedad de cuestiones relacionadas con la propiedad y privacidad de los datos, productos vs. servicios, interpretación de datos, estrategias de monetización y el poder de los monopolios de plataforma. Pero esperamos que los creadores de réplicas de datos y los sistemas de puntuación que están creando cambien numerosas industrias, procesos y funciones. Hay tanta información interna y externa disponible que ahora parece inevitable que al menos parte de ella se utilizará para evaluar el crecimiento y la prosperidad actuales y futuros de las empresas comerciales.
Thomas H. Davenport es Profesor Distinguido del Presidente en Gestión y Tecnología de la Información en Babson College, investigador de la Iniciativa MIT sobre Economía Digital y asesor principal de Deloitte Analytics. Autor de más de una docena de libros de administración, su último libro es Solo humanos necesitan aplicar: ganadores y perdedores en la era de las máquinas inteligentes.
Barry Libert es miembro de la junta directiva y consejero delegado centrado en plataformas y redes. Es presidente de Open Matters, una empresa de aprendizaje automático. También es el coautor de The Network Imperative: cómo sobrevivir y crecer en la era de los modelos comerciales digitales.
Megan Beck es jefa de Producto e Insights en OpenMatters, una startup de aprendizaje automático y una investigadora digital en el Centro SEI de Wharton. Ella es la coautora de The Network Imperative: cómo sobrevivir y crecer en la era de los modelos comerciales digitales.
Harvard Business Review
Investigación de mercado
Saber qué organizaciones funcionan mejor en cualquier dimensión particular solía requerir encuestas subjetivas o investigaciones minuciosas. En la actualidad, los datos para responder a esas preguntas existen: son capturados por las empresas de software como servicio cuyas empresas de servicios utilizan para administrar sus negocios. Las principales empresas de software están comenzando a mantener "reflejos de datos" en sus clientes, lo que permite calificar y comparar las estrategias de sus clientes. Ya vimos que es posible usar datos externos para evaluar a las empresas sobre los modelos comerciales que están empleando y qué significan esos modelos comerciales para sus valoraciones. Esos análisis dependen de fuentes de datos disponibles públicamente, pero los proveedores de software han acumulado cantidades crecientes de datos privados en casi todos los aspectos de la tecnología, las operaciones, las personas y las estrategias de sus clientes. Es hora de que estos acumuladores de datos comiencen a compartir ideas con los creadores de todos estos datos, y varias empresas están empezando a hacerlo.
Las empresas de software más probables para tener esos datos son aquellos que proporcionan capacidades transaccionales a sus clientes utilizando un modelo de SaaS basado en suscripciones. SAP, por ejemplo, tiene datos sobre una variedad de dominios transaccionales, desde pedidos de clientes hasta saldos de vacaciones. Una de sus unidades de negocio, Fieldglass, proporciona información y puntos de referencia a los clientes sobre la gestión externa de la fuerza de trabajo. ADP, un proveedor líder de capacidades de nómina, les permite a los clientes utilizar su herramienta DataCloud para comparar con otras empresas no solo cuánto se les paga a los empleados, sino también métricas como el tiempo promedio de empleo, las tasas de deserción, cuánto invierten en cuentas de jubilación, y a qué edad se retiran. El software MarketShare de Neustar hace posible que los clientes midan los efectos de sus programas de mercadeo y los comparen con otras firmas. Incluso es posible mantener el espejo de datos a los usuarios de tecnología individual. Microsoft, por ejemplo, tiene un programa llamado MyAnalytics que informa a los clientes de su software de productividad de Office sobre cuánto tiempo pasan en varias tareas y el tamaño y la fortaleza de sus redes de comunicaciones.
Al mismo tiempo que los espejos de datos y la puntuación han surgido en el mundo corporativo, los mercados de capital están cada vez más interesados en el análisis de conjuntos de datos alternativos. Los inversores activos, como los fondos de cobertura, buscan superar al mercado y a los proveedores de índices. El gigante de los índices bursátiles S & P compró Kensho, la firma de análisis boutique basada en inteligencia artificial, por esta razón: mejorar su uso de la IA para mejorar las decisiones de inversión y diversificar el tipo de datos utilizados para tomar esas decisiones. (Kensho utiliza no solo datos financieros brutos, sino datos de todo tipo de fuentes "alternativas").
El software y otras compañías que desarrollan espejos de datos y puntajes pueden hacer crecer sus líneas principales e inferiores con pocos o ningún costo marginal al generar índices de inversión que relacionen su visión y datos únicos con los retornos de los inversionistas. Estos pueden comercializarse y monetizarse a través de los mercados de capitales en asociación con bolsas y empresas de calificación.
Creemos que hay muchas más oportunidades para que las compañías de software adopten este enfoque: recopilar datos, relacionarlos con los resultados deseados y devolverlos a sus clientes. Salesforce.com, por ejemplo, podría dejar que sus clientes se evalúen a sí mismos sobre su capacidad para mover prospectos de ventas a lo largo de la tubería. Workday podría proporcionar análisis más detallados y comparaciones de benchmarking que ADP o SAP Fieldglass en la fuerza de trabajo. Oracle podría informar a las empresas cómo su costo promedio de emisión de una orden de compra, o sus niveles promedio de cuentas por pagar, se comparan con otras empresas.
Permitir que una sola empresa se compare con otras firmas con atributos específicos es valiosa, pero una oportunidad aún mayor de crear valor a partir de los datos es asignar puntuaciones a los clientes basadas en datos y análisis sobre cómo se comparan con sus pares en funciones o procesos amplios, y proporcionar caminos para mejorar sus operaciones y transformar sus organizaciones para convertirse en líderes digitales. El puntaje FICO es un excelente ejemplo; la compañía reduce el complejo historial crediticio de un consumidor a una calificación única de tres dígitos que tanto los acreedores como los deudores pueden comprender. Imagínese si todos los fabricantes tuvieran, por ejemplo, un puntaje de eficiencia en la cadena de suministro o si todas las empresas tuvieran un puntaje de desarrollo de liderazgo. Esto proporcionaría motivación a los líderes para mejorar sus puntajes, y permitiría a los mercados de capital tomar mejores decisiones sobre las capacidades de las compañías en las que invierten. El atractivo de las medidas de desempeño no financiero generalizadas para evaluar a las empresas se debatió durante varias décadas, pero nunca se logró, a pesar del continuo crecimiento de los activos y las prioridades mal medidos por los PCGA.
Por supuesto, hay varias medidas que las compañías de software deben tomar para hacer posible los espejos de datos. Estas son algunas de las consideraciones clave:
- Es esencial asegurarse de que su empresa posea esta información o tenga permiso para usarla. Muchos acuerdos de licencias de software ya permiten el uso de dichos datos para fines de análisis y comparación, pero no todos lo hacen.
- Agregue los datos y utilícelos para permitir comparaciones con otros clientes (o al menos promedios) para que sus clientes y prospectos sepan cuál es su posición (análoga a las tablas de clasificación de carreras y ciclismo de Strava.com o RunKeeper).
- Las empresas de software pueden querer mostrar los datos solo en forma anónima para preservar la confidencialidad del cliente. Por supuesto, eso reduce el valor de los datos e inhibe la capacidad de monetizarlos. Si una empresa intenta proporcionar valor a los inversores, el anonimato no funciona, pero a los clientes de las empresas de software les puede resultar difícil hacer que los clientes acuerden ser nombrados. En tales situaciones, el uso de datos externos disponibles públicamente se puede usar para puntajes y clasificaciones.
- Las empresas pueden necesitar algunas capacidades con inteligencia artificial para hacer que los espejos de datos funcionen, particularmente si el puntaje o índice se relaciona con el desempeño financiero. El aprendizaje automático es la tecnología ideal para crear un conjunto de puntajes predictivos a partir de una colección de datos. Otras tecnologías de inteligencia artificial también se pueden usar para extraer datos de sistemas transaccionales, o para analizar y cuantificar datos textuales.
- Así como compañías como Credit.com ofrecen recomendaciones personalizadas sobre cómo mejorar un puntaje crediticio, las compañías necesitan análisis preceptivos y recomendaciones sobre cómo mejorar sus puntajes en cualquier medida que se evalúe. El aprendizaje automático y la generación de lenguaje natural pueden proporcionar tales recomendaciones, tal como lo hacen ahora para recomendaciones de inversión en compañías como Morgan Stanley.
Este primer enfoque de datos obviamente abre una variedad de cuestiones relacionadas con la propiedad y privacidad de los datos, productos vs. servicios, interpretación de datos, estrategias de monetización y el poder de los monopolios de plataforma. Pero esperamos que los creadores de réplicas de datos y los sistemas de puntuación que están creando cambien numerosas industrias, procesos y funciones. Hay tanta información interna y externa disponible que ahora parece inevitable que al menos parte de ella se utilizará para evaluar el crecimiento y la prosperidad actuales y futuros de las empresas comerciales.
Thomas H. Davenport es Profesor Distinguido del Presidente en Gestión y Tecnología de la Información en Babson College, investigador de la Iniciativa MIT sobre Economía Digital y asesor principal de Deloitte Analytics. Autor de más de una docena de libros de administración, su último libro es Solo humanos necesitan aplicar: ganadores y perdedores en la era de las máquinas inteligentes.
Barry Libert es miembro de la junta directiva y consejero delegado centrado en plataformas y redes. Es presidente de Open Matters, una empresa de aprendizaje automático. También es el coautor de The Network Imperative: cómo sobrevivir y crecer en la era de los modelos comerciales digitales.
Megan Beck es jefa de Producto e Insights en OpenMatters, una startup de aprendizaje automático y una investigadora digital en el Centro SEI de Wharton. Ella es la coautora de The Network Imperative: cómo sobrevivir y crecer en la era de los modelos comerciales digitales.
No hay comentarios:
Publicar un comentario