Doxa 1907

Cómo volver a encarrilar el programa de datos de su empresa

Por Thomas C. Redman

Análisis Y Ciencia De Datos.

Harvard Business Review

#Doxa #datos #empresa #ciencia #reglas #empresa #gerentes #tecnología #gestión #tiempo

Resumen. Muchos altos directivos se preguntan: si los datos cambian las reglas del juego, ¿por qué es tan difícil extraer algún valor de ellos? Para las empresas que luchan por ver realmente los resultados de su programa de datos, podría ser el momento de empezar de nuevo. Hay tres cuestiones importantes que los gerentes deben comprender al reiniciar: 1) Demasiadas empresas han cometido el error de ver los datos como un problema tecnológico, pero los datos son un problema de gestión y no se pueden resolver solo con tecnología. 2) Muchas empresas intentan abordar problemas que son demasiado difíciles desde el principio. 3) Los datos son un tipo diferente de activo: intangible, matizado, potencialmente valioso y peligroso. La gente necesita dedicar tiempo a trabajar con él para comprender sus propiedades.

A lo largo de sus carreras, los altos directivos han visto cómo los datos se vuelven cada vez más importantes: para “dirigir la tienda”, para tomar decisiones y establecer direcciones, y hoy como combustible para la IA y la transformación digital. Sin embargo, sospechan que los datos y los programas de datos de su empresa simplemente no están a la altura: demasiadas personas se quejan de que no tienen los datos que realmente necesitan y no confían en los que tienen. Han experimentado personalmente estos problemas a lo largo de sus carreras, pero simplemente los veían como "parte del trabajo". Cada vez más sienten que ésta no es una buena manera de administrar el negocio. El revuelo en torno a la IA exacerba esas preocupaciones.

Los altos directivos en este puesto quieren ayudar, pero a menudo no saben qué hacer. Han tratado de comprender el espacio, pero parece ser un desastre confuso y que no está listo para el horario de máxima audiencia: gobernanza de datos, lagos de datos, almacenes de datos, privacidad, ética, seguridad, gestión de datos maestros, gestión de metadatos, alfabetización, visualización, directores de datos, etc., todos haciendo promesas extravagantes. Escucharon a los cuatro grandes consultores y probaron varias herramientas. Pero ninguno cumple. Si los datos cambian tanto las reglas del juego, se preguntan, ¿por qué es tan difícil extraer algún valor de ellos? ¿Qué debería hacer su empresa?

Si su empresa tiene dificultades para ver resultados de su programa de datos, podría ser el momento de empezar de nuevo. A continuación se explica cómo hacerlo y qué deben hacer personalmente los altos directivos en ese proceso.

Dónde fallan los programas de datos

Hay tres cuestiones importantes que estos gerentes deben comprender al reiniciar.

En primer lugar, demasiadas empresas han cometido el error de ver los datos como un problema tecnológico, lo que las ha llevado a asignar el problema a sus departamentos de TI. Pero en el fondo, los datos son un problema de gestión y no se pueden resolver sólo con tecnología. Todos los que tocan datos tienen un papel que desempeñar. Para extraer valor de ello es necesario contar con las personas, las estructuras y los procesos adecuados.

Un segundo problema persistente es la simplicidad. Muchas empresas intentan abordar problemas que son demasiado difíciles; por ejemplo, una empresa deseaba proporcionar acceso fluido y compartir todos los datos entre sus cientos de sistemas, desde el principio. Sin embargo, hacer esto les habría requerido desarrollar suficiente lenguaje común en todos los sistemas para permitirles “hablar”, reconstruir completamente su infraestructura de TI y lidiar con problemas de personal en toda la organización que pueden llevar a los gerentes a acumular datos. Considerándolo todo, una tarea difícil. Si tienen éxito, esfuerzos como este pueden agregar un valor enorme, pero son extremadamente complejos y la mayoría fracasa. Desde el principio, la atención debe centrarse en resolver problemas más manejables utilizando métodos más sencillos que desarrollen habilidades y confianza a lo largo del camino. Aprenda y construya de lo más simple a lo más complejo.

Un tercer problema persistente es el desarrollo de una sensibilidad hacia los datos. Los líderes ganan su salario desplegando su capital, su gente y ahora sus datos lo mejor que pueden. Los datos son un tipo de activo nuevo y diferente: intangible, matizado, potencialmente valioso y peligroso. A diferencia del dinero, los datos no se consumen cuando los usas. Es una observación obvia, pero a las personas les puede llevar algún tiempo comprender todas las implicaciones. Los datos también tienen otras características especiales. Hay que revolcarse en el material para tener una idea de sus propiedades especiales, las formas en que ayuda a crear valor y los desafíos especiales que supone gestionarlo. Gran parte del trabajo necesario para abordar temas persistentes no se puede delegar.

Cómo volver a poner en marcha su programa de datos

Para empezar de nuevo, las empresas deberían seguir tres vías en paralelo:

Atacar la calidad de los datos

Las empresas se ven afectadas por una amplia gama de problemas comunes de calidad de los datos, que incluyen:

• "Hechos" que simplemente no son así,
• Datos que están tan mal definidos que la gente no puede entender lo que significan.
• Datos que nunca utilizan, lo que satura su sistema,
• Redundancia y sistemas que no se comunican entre sí y/o se ponen de acuerdo cuando lo hacen, y
• Las personas no pueden encontrar ni acceder a los datos que necesitan. A veces esos datos no existen.

En general, las empresas se han creado estos problemas y empeoran constantemente. En conjunto, añaden una enorme carga al trabajo diario y agregan incertidumbre a la toma de decisiones en lugar de agregar claridad. Para subrayar este punto, un estudio de McKinsey sitúa el porcentaje de tiempo que las personas dedican al trabajo con datos sin valor añadido en un 30%. Harvard Business Services estima que sólo uno de cada seis directivos confía en los datos que utiliza a diario. Finalmente, los datos incorrectos hacen que cualquier tipo de análisis o IA sea mucho más difícil.

Para ver cómo surgen estos problemas, considere a los vendedores, que intentan convertir clientes potenciales en clientes de los productos y servicios de la empresa. Obtienen estos clientes potenciales de Marketing, pero rápidamente descubren que la información que les han proporcionado está llena de lagunas y errores. Hacen lo mejor que pueden para limpiar los datos; después de todo, tienen trabajos que hacer e indicadores clave de rendimiento (KPI) que cumplir. Pero la idea clave es que se gasta tiempo y dinero en Ventas corrigiendo el trabajo realizado en Marketing. Es fácil culpar al marketing por crear todos esos errores. Pero Marketing no sabe lo que Ventas necesita y, a falta de comentarios, continúa alegremente.

Profundice en cualquier departamento y encontrará una historia similar. A este trabajo lo llamo “ la fábrica de datos ocultos ” y es precisamente el trabajo sin valor añadido citado en el estudio de McKinsey.

En algunos aspectos, se puede admirar la actitud positiva del departamento de Ventas. Dedican mucho tiempo a una tarea para la que no han recibido formación ni apoyo, a menudo bajo una enorme presión. Si bien sus esfuerzos pueden ayudarlos a pasar el día, cada día es una repetición del anterior.

Este patrón básico (cometer errores en una parte de la empresa y luego construir fábricas de datos ocultos para abordarlos en otras) es la raíz de la mayoría de los problemas mencionados anteriormente. La clave está en romper este patrón: ¡minimizar las fábricas de datos ocultos cometiendo menos errores en los puntos de creación! Y la clave para hacerlo radica en que Ventas aclare lo que necesita, discuta esas necesidades con Marketing y Marketing eliminando las causas fundamentales del error, una a la vez. Es fácil ver los beneficios y se acumulan rápidamente.

Al comenzar, concéntrese únicamente en la primera cuestión: hechos que simplemente no son así. Los líderes deben elegir varios problemas comerciales importantes, como la necesidad de reducir los gastos en un área, administrar mejor los activos físicos en otra o desarrollar medidas confiables de participación de mercado. A continuación, haga que los responsables determinen quién utiliza qué datos, midan la calidad de esos datos y trabajen “en sentido ascendente” hasta el lugar donde se crean esos datos; y con quienes crean esos datos para encontrar y eliminar las causas fundamentales de los errores.

El impacto es eliminar categorías enteras de errores en el futuro. Empresas de sectores tan diversos como telecomunicaciones, finanzas, petróleo y gas, productos de consumo y tecnología confirman que este enfoque es un gran ganador. A la gente le gusta hacer este trabajo; al menos lo encuentran mucho mejor que encontrar y corregir errores.

Comenzando su viaje hacia la ciencia de datos con técnicas más sencillas

La ciencia de datos es ideal para abordar todo tipo de problemas que enfrentan las empresas. En orden de mayor complejidad, algunos métodos y problemas que ayudan a abordar incluyen:

• El control y la mejora de los procesos estadísticos no tienen comparación para reducir los costos, el tiempo del ciclo y la incertidumbre en los procesos comerciales.
• El diseño experimental (incluidas las pruebas AB) ayuda a mejorar la calidad del producto.
• El modelado estadístico ayuda a las empresas a comprender el comportamiento de los clientes, predecir las ventas del próximo mes, decidir dónde ubicar una nueva tienda y estimar el precio justo a pagar por una adquisición (como ejemplos).
• Aprendizaje automático/inteligencia artificial que se utiliza para analizar grandes conjuntos de datos; descubrir relaciones previamente desconocidas; ayudar a mejorar la toma de decisiones; y automatizar muchos tipos de trabajo.

Pocos han pasado por alto el revuelo que rodea a la IA, que ha crecido de manera constante durante algún tiempo y alcanzó un punto álgido en 2023 con la introducción de ChatGPT. Si bien el potencial es demasiado grande para ignorarlo, el progreso real ha resultado lento, costoso e incierto.

Aprender a utilizar técnicas más sencillas es un mejor primer paso para la mayoría de las empresas. Puede resolver algunos problemas importantes (que quizás no sabía que tenía), obtener algunos beneficios reales y adquirir algo de experiencia que aumentará sus posibilidades con métodos más complejos.

Para comenzar, los líderes deben comenzar desde la parte superior de la lista anterior, seleccionar varios procesos de negocios importantes (nuevamente, liderados por personas con mentes abiertas), pedir a cada uno que forme un pequeño equipo, aprender sobre el control estadístico y luego hacer el trabajo para poner sus procesos en control. Aprenda sobre la marcha, pero para ser claros, este ejercicio no se trata solo de ganar confianza en la ciencia de datos. Espere ver beneficios comerciales reales en poco tiempo. 

Poner los datos a trabajar para crear una ventaja competitiva

Si bien la IA ha acaparado la mayor parte de la atención durante el último año, existen muchas otras formas de generar beneficios empresariales a partir de los datos. Cuatro grandes ejemplos incluyen:

• Hacer que los productos y servicios sean más valiosos “informatizándolos”, o hacerlos más valiosos incorporando más o mejores datos. Esto se puede hacer con casi cualquier producto. Mi ejemplo favorito es la lata de cerveza Coors: las montañas se vuelven azules cuando la cerveza está lo suficientemente fría para beber.
• Empaquetado y venta de productos de datos.
• Crear una ventaja sostenida mediante la explotación de datos propietarios, es decir, datos que nadie más tiene. Un buen ejemplo es el CUSIP de S&P, que identifica de forma única los productos financieros.
• Llevar más y mejores datos a las decisiones, la promesa de una “toma de decisiones basada en datos”.

A largo plazo, las empresas necesitarán seleccionar uno o dos que mejor se adapten a sus habilidades, los datos que poseen o pueden obtener y los mercados en los que compiten. La informacionalización es casi siempre un buen punto de partida, en parte porque el trabajo es sencillo: pida a algunos de sus mejores especialistas en marketing que documenten su comprensión de lo que los clientes realmente quieren y necesitan. Luego, realice un simple “análisis de deficiencias” para determinar qué es lo que les gustaría y usted no les ofrece. Busque llenar estos vacíos con datos.

No te olvides de las personas

Al abrir este artículo, enfaticé la importancia de las personas en cualquier estrategia de datos. Si desea que sus datos agreguen valor, necesita lograr que las personas asuman nuevos roles. Para la calidad de los datos, por ejemplo, las personas en sus roles de clientes de datos y creadores de datos, respectivamente, son los actores clave. Para el control de procesos, las personas responsables de los procesos de negocio deben encontrar y eliminar fuentes o variaciones innecesarias. Los especialistas en marketing son la mejor audiencia para la informacionalización. Necesita preparar a estas personas para el éxito: reclutarlas, explicarles lo que quiere que hagan, brindarles capacitación (ninguno de los trabajos es particularmente difícil, pero no les resulta familiar), dejarlas libres y apoyarlas en el camino.

Cualquier directivo, de cualquier nivel, puede decidir mejorar la calidad de los datos, controlar sus procesos o informatizar su trabajo. Casi todos los que persisten a pesar de uno o dos problemas inevitables ven beneficios reales con bastante rapidez. Pero sin el estímulo de los niveles más altos de la organización, la mayoría de los gerentes ni siquiera lo intentan.

Seguir los pasos descritos aquí no garantizará que "ganes el juego de los datos". Pero lo pondrá en la dirección correcta, le pondrá en práctica algunos conceptos básicos, le ayudará a adquirir suficiente experiencia para diseñar un camino a seguir a largo plazo y conseguir algunas victorias reales. Y ganar engendra ganar.

Si usted es uno de los muchos que tienen prisa por implementar la IA, ahora es el momento de tomarse un momento. La IA es mucho más difícil de lo que parece. Sin datos de alta calidad y proyectos exitosos de ciencia de datos en su haber, es posible que se esté preparando para fracasar. En lugar de ello, tómate un tiempo para sentar las bases correctas.

Lea más sobre Análisis y ciencia de datos o temas relacionados Tecnología y análisis y Gestión de datos

Thomas C. Redman, "the Data Doc", es presidente de Data Quality Solutions. Ayuda a empresas y personas a trazar su rumbo hacia un futuro basado en datos, con especial énfasis en la calidad, el análisis y las capacidades organizativas. Su último libro, People and Data: Uniting to Transform Your Organization (Kogan Page), se publicó en el verano de 2023.