La revolución de la gestión del big data
por Erik Brynjolfsson and Andrew McAfee
El big data tiene el potencial de revolucionar la gestión. En pocas palabras, gracias al big data, los gerentes pueden medir y, por lo tanto, saber mucho más sobre sus negocios y traducir directamente esos conocimientos en una mejora de la toma de decisiones y el rendimiento. Por supuesto, empresas como Google y Amazon ya lo están haciendo. Al fin y al cabo, esperamos que las empresas que nacieron de forma digital logren cosas con las que los ejecutivos de negocios solo podían soñar hace una generación. Pero, de hecho, el uso de los macrodatos también tiene el potencial de transformar las empresas tradicionales.
Hemos visto cómo se utilizan los macrodatos en la gestión de la cadena de suministro para entender por qué las tasas de defectos de un fabricante de automóviles aumentan repentinamente, en el servicio de atención al cliente para analizar e intervenir continuamente en las prácticas de atención médica de millones de personas, en la planificación y las previsiones para anticipar mejor las ventas en línea sobre la base de un conjunto de datos de las características del producto, etc.
Así es como dos empresas, ambas alejadas de las empresas advenedizas de Silicon Valley, utilizaron los nuevos flujos de información para mejorar radicalmente el rendimiento.
Caso #1: Uso del Big Data para mejorar las predicciones
Los minutos importan en los aeropuertos. Lo mismo ocurre con la información precisa sobre las horas de llegada de los vuelos: si un avión aterriza antes de que el personal de tierra esté preparado para su llegada, los pasajeros y la tripulación quedan atrapados y, si llega más tarde de lo esperado, el personal permanece inactivo, lo que aumenta los costes. Así que cuando una importante compañía aérea estadounidense descubrió por un estudio interno que alrededor del 10% de los vuelos con destino a su centro principal tenían un intervalo de al menos 10 minutos entre la hora estimada de llegada y la hora de llegada real (y el 30% tenían un intervalo de al menos cinco minutos), decidió tomar medidas.
En ese momento, la aerolínea se basaba en la práctica arraigada de la industria de la aviación de utilizar las ETA que proporcionaban los pilotos. Los pilotos hicieron estas estimaciones durante su última aproximación al aeropuerto, cuando tenían muchas otras exigencias de tiempo y atención. En busca de una solución mejor, la aerolínea recurrió a PASSUR Aerospace, un proveedor de tecnologías de apoyo a la toma de decisiones para la industria de la aviación.
En 2001, PASSUR comenzó a ofrecer sus propias estimaciones de llegadas como un servicio llamado RightETA. Calculó estos tiempos combinando los datos disponibles públicamente sobre el clima, los horarios de los vuelos y otros factores con datos patentados que la propia empresa recopilaba, incluidas las transmisiones de una red de estaciones de radar pasivas que había instalado cerca de los aeropuertos para recopilar datos sobre todos los aviones del cielo local.
PASSUR comenzó con solo unas pocas de estas instalaciones, pero en 2012 ya tenía más de 155. Cada 4,6 segundos recopila una amplia gama de información sobre cada avión que «ve». Esto produce una avalancha enorme y constante de datos digitales. Es más, la empresa conserva todos los datos que ha recopilado a lo largo del tiempo, por lo que tiene una inmensa cantidad de información multidimensional que abarca más de una década. RightETA básicamente funciona preguntándose: «¿Qué pasó todas las veces anteriores que un avión se acercó a este aeropuerto en estas condiciones? ¿Cuándo aterrizó realmente?»
Tras cambiarse a RightETA, la aerolínea prácticamente eliminó las brechas entre las horas de llegada estimadas y reales. PASSUR cree que permitir que una compañía aérea sepa cuándo van a aterrizar sus aviones y planifique en consecuencia vale varios millones de dólares al año en cada aeropuerto. Es una fórmula sencilla: el uso de macrodatos permite hacer mejores predicciones y, si las predicciones son mejores, se toman mejores decisiones.
Caso #2: Uso del Big Data para impulsar las ventas
Hace un par de años, Sears Holdings llegó a la conclusión de que necesitaba generar más valor a partir de la enorme cantidad de datos de clientes, productos y promociones que recopilaba de sus marcas Sears, Craftsman y Lands’ End. Obviamente, sería útil combinar y utilizar todos estos datos para adaptar las promociones y otras ofertas a los clientes, y para personalizar las ofertas y aprovechar las condiciones locales.
Valioso, pero difícil: Sears necesitó unas ocho semanas para generar promociones personalizadas, momento en el que muchas de ellas ya no eran óptimas para la empresa. Llevó tanto tiempo, principalmente porque los datos necesarios para estos análisis a gran escala eran voluminosos y estaban muy fragmentados, ya que estaban alojados en muchas bases de datos y «almacenes de datos» mantenidos por las distintas marcas.
En busca de una forma más rápida y económica, Sears Holdings recurrió a las tecnologías y prácticas del big data. Como uno de sus primeros pasos, creó un Clúster de Hadoop. Se trata simplemente de un grupo de servidores básicos y económicos cuyas actividades se coordinan mediante un marco de software emergente llamado Hadoop (que lleva el nombre de un elefante de juguete en la casa de Doug Cutting, uno de sus desarrolladores).
Sears empezó a utilizar el clúster para almacenar los datos entrantes de todas sus marcas y para guardar los datos de los almacenes de datos existentes. A continuación, llevó a cabo los análisis directamente en el clúster, lo que evitó las laboriosas complejidades de extraer datos de varias fuentes y combinarlos para poder analizarlos. Este cambio permitió a la empresa ser mucho más rápida y precisa con sus promociones.
Según el director de tecnología de la empresa, Phil Shelley, el tiempo necesario para generar un conjunto completo de promociones se redujo de ocho semanas a una y sigue bajando. Y estas promociones son de mayor calidad, porque son más puntuales, detalladas y personalizadas. El clúster Hadoop de Sears almacena y procesa varios petabytes de datos a una fracción del coste de un almacén de datos estándar comparable.
No son solo unos cuantos ejemplos llamativos. Creemos que se está produciendo una transformación más fundamental de la economía. Nos hemos convencido de que casi ningún ámbito de la actividad empresarial quedará al margen de este movimiento.
Sin lugar a dudas, siguen existiendo muchos obstáculos para el éxito. Hay muy pocos científicos de datos para todos. Las tecnologías son nuevas y, en algunos casos, exóticas. Es demasiado fácil confundir la correlación con la causalidad y encontrar patrones engañosos en los datos. Los desafíos culturales son enormes y, por supuesto, los problemas de privacidad solo van a ser más importantes. Pero las tendencias subyacentes, tanto en la tecnología como en el payoff empresarial, son inconfundibles.
Las pruebas son claras: Las decisiones basadas en datos suelen ser mejores decisiones. Sector tras sector, las empresas que acepten este hecho se alejarán de sus rivales. No podemos decir que todos los ganadores vayan a aprovechar los macrodatos para transformar la toma de decisiones. Pero los datos nos dicen que es la apuesta más segura.
Esta entrada de blog ha sido extraída del próximo artículo de los autores «Big Data: The Management Revolution», que aparecerá en la edición de octubre de Harvard Business Review.
_____________________
Artículos Relacionados
La IA es genial en las tareas rutinarias. He aquí por qué los consejos de administración deberían resistirse a utilizarla.
Investigación: Cuando el esfuerzo adicional le hace empeorar en su trabajo
A todos nos ha pasado: después de intentar proactivamente agilizar un proceso en el trabajo, se siente mentalmente agotado y menos capaz de realizar bien otras tareas. Pero, ¿tomar la iniciativa para mejorar las tareas de su trabajo le hizo realmente peor en otras actividades al final del día? Un nuevo estudio de trabajadores franceses ha encontrado pruebas contundentes de que cuanto más intentan los trabajadores mejorar las tareas, peor es su rendimiento mental a la hora de cerrar. Esto tiene implicaciones sobre cómo las empresas pueden apoyar mejor a sus equipos para que tengan lo que necesitan para ser proactivos sin fatigarse mentalmente.
En tiempos inciertos, hágase estas preguntas antes de tomar una decisión
En medio de la inestabilidad geopolítica, las conmociones climáticas, la disrupción de la IA, etc., los líderes de hoy en día no navegan por las crisis ocasionales, sino que operan en un estado de perma-crisis.