Volver a encarrilar el programa de datos de su empresa

A lo largo de sus carreras, los altos directivos han visto cómo los datos son cada vez más importantes: para «administrar la tienda», para tomar decisiones y marcar la dirección, y hoy en día 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 de las tareas: demasiadas personas se quejan de que no tienen los datos que realmente necesitan y no confían en los que tienen. Han tenido estos problemas personalmente a lo largo de sus carreras, pero los ven como «parte del trabajo». Cada vez piensan que esta no es una buena forma de dirigir el negocio. El bombo en torno a la IA exacerba esas preocupaciones.

Los altos directivos de este puesto quieren ayudar, pero a menudo no saben qué hacer. Han intentado entender el espacio, pero parece ser un lío confuso que no está preparado 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 hacen promesas extravagantes. Han escuchado a los cuatro grandes consultores y han probado varias herramientas. Pero ninguno entrega. Si los datos cambian tanto las reglas del juego, se preguntan, ¿por qué es tan difícil extraer algún valor de ellos? ¿Qué debe hacer su empresa?

Si su empresa tiene dificultades para ver realmente los resultados de su programa de datos, puede que sea el momento de empezar de cero. He aquí cómo hacerlo y qué deben hacer personalmente los altos directivos en ese proceso.

Dónde salen mal los programas de datos

Hay tres cuestiones importantes que estos directivos deben entender al reiniciar.

En primer lugar, demasiadas empresas han cometido el error de ver los datos como un problema tecnológico, lo que las lleva a asignar el problema a sus departamentos de TI. Pero en el fondo, los datos son un problema de gestión y no se puede resolver solo con la tecnología. Todos los que tocan los datos tienen un papel que desempeñar. Extraer valor de ello requiere poner en marcha a las personas, las estructuras y los procesos adecuados.

Un segundo tema persistente es la sencillez. Muchas empresas intentan abordar problemas que son demasiado difíciles (por ejemplo, una empresa deseaba ofrecer un acceso y un intercambio sin problemas a todos los datos de sus cientos de sistemas) desde el principio. Sin embargo, hacer esto habría requerido que desarrollaran suficiente lenguaje común en todos los sistemas como para poder «hablar», reconstruir por completo su infraestructura de TI y tratar los problemas de las personas en toda la organización que pueden llevar a los gerentes a acumular datos. En general, es una tarea difícil. Si tienen éxito, esfuerzos como este pueden añadir un enorme valor, pero son extremadamente complejos y la mayoría fracasan. Desde el principio, la atención debería centrarse en resolver problemas más fáciles de resolver utilizando métodos más fáciles que desarrollen habilidad y confianza a lo largo del camino. Aprenda y construya de lo más simple a lo más complejo.

Un tercer problema persistente es desarrollar un sentido de los datos. Los líderes se ganan su salario dedicando su capital, sus personas y ahora sus datos lo mejor que pueden. Los datos son un activo nuevo y diferente: intangible, con matices, a la vez potencialmente valiosos y peligrosos. A diferencia del dinero, los datos no se consumen cuando los usa. Es una observación obvia, pero la gente puede tardar algún tiempo en entender todas las implicaciones. Los datos también tienen otras características especiales. Tiene que sumergirse en las cosas para hacerse una idea de sus propiedades especiales, las formas en que ayudan a crear valor y los desafíos especiales de gestionarlo. Gran parte del trabajo necesario para abordar temas persistentes no se puede delegar.

Volver a encarrilar su programa de datos

Para empezar de cero, las empresas deben seguir tres vías en paralelo:

Atacar la calidad de los datos

Las empresas están plagadas de una amplia gama de problemas comunes de calidad de los datos, que incluyen:

• «Hechos» que simplemente no son así,
• Datos tan mal definidos que la gente no puede entender lo que significan,
• Datos que nunca utilizan, lo que desordena su sistema,
• Redundancia y sistemas que no se comunican entre sí y/o no se ponen de acuerdo cuando lo hacen, y
• La gente no puede encontrar ni acceder a los datos que necesita. A veces esos datos no existen.

En general, las empresas se han creado estos problemas y empeoran cada vez más. En conjunto, añaden un enorme lastre al trabajo diario y añaden incertidumbre a la toma de decisiones, en lugar de añadir claridad. Para subrayar este punto, un estudio de McKinsey sitúa el porcentaje de tiempo que la gente dedica a los datos sin valor añadido funcionan al 30%. A Harvard Business Services estima que solo uno de cada seis gerentes confía en el datos que utilizan todos los días. Por último, los datos incorrectos dificultan mucho cualquier tipo de análisis o IA.

Para ver cómo surgen estos problemas, piense en los vendedores, que intentan convertir conduce en los clientes de los productos y servicios de la empresa. Obtienen estos clientes potenciales de marketing, pero rápidamente descubren que la información que se les ha dado está llena de huecos y errores. Hacen todo lo que pueden para limpiar los datos; al fin y al cabo, tienen trabajo 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 a Marketing por haber creado todos esos errores. Pero Marketing no sabe lo que necesita el departamento de ventas y, a falta de comentarios, continúa alegremente.

Vaya a cualquier departamento y encontrará una historia similar. A esto lo llamo trabajo» la fábrica de datos oculta» y es precisamente la obra sin valor añadido citada en el estudio de McKinsey.

En algunos aspectos, es admirable la actitud de sí puede hacer 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 superar el día, cada día es una repetición del anterior.

Este patrón básico (cometer errores en una parte de la empresa y luego crear fábricas de datos ocultas para solucionarlos 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 ocultas cometiendo menos errores en el punto de creación! Y la clave para hacerlo está en que Ventas aclare lo que necesita, discuta esas necesidades con Marketing y Marketing eliminando las causas principales del error una por una. Es fácil ver las prestaciones y se acumulan rápidamente.

Al empezar, concéntrese únicamente en el primer tema, en los hechos que simplemente no lo son. Los líderes deberían elegir varios problemas empresariales importantes, como la necesidad de reducir los gastos en un área, gestionar mejor los activos físicos en otra o desarrollar medidas confiables de cuota de mercado. Luego, haga que los responsables determinen quién usa qué datos, midan la calidad de esos datos, trabajen «aguas arriba» hasta donde se crean esos datos y con los que crean esos datos para encontrar y eliminar las causas principales de los errores.

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

Empezar su viaje en la ciencia de datos con técnicas más sencillas

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

• El control y la mejora de los procesos estadísticos no tienen parangón para reducir los costes, el tiempo de ciclo y la incertidumbre en los procesos empresariales.
• El diseño experimental (incluidas las pruebas A-B) ayuda a mejorar la calidad del producto,
• Los modelos estadísticos ayudan a las empresas a entender el comportamiento de los clientes, predecir las ventas del mes que viene, decidir dónde ubicar una nueva tienda y estimar el precio justo a pagar por una adquisición (por ejemplo) y
• 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 se han perdido el bombo 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. Mientras que el el potencial es demasiado grande como para ignorarlo, el progreso real ha demostrado ser lento, caro 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), conseguir algunos beneficios reales y adquirir algo de experiencia que aumentará sus posibilidades con métodos más complejos.

Para empezar, los líderes deben empezar por lo más alto de la lista anterior, seleccionar varios procesos empresariales importantes (de nuevo, dirigidos por personas con una mente abierta), pedir a cada uno que forme un equipo pequeño, aprender sobre el control estadístico y, a continuación, hacer el trabajo para poner sus procesos bajo control. Aprenda sobre la marcha, pero que quede claro, este ejercicio no consiste solo en ganar confianza en la ciencia de datos. Espere ver beneficios empresariales reales en poco tiempo. 

Poner los datos a trabajar para crear una ventaja competitiva

Si bien la IA acaparó la mayor parte de la atención el año pasado, hay muchas otras formas para crear beneficios empresariales a partir de los datos. Cuatro excelentes ejemplos incluyen:

• Hacer que los productos y servicios sean más valiosos «informalizándolos» o haciendo que sean más valiosos mediante la incorporación de 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 como para beberla.
• Embalaje y venta de productos de datos.
• Crear una ventaja sostenida mediante explotar datos privados, es decir, datos que nadie más tiene. Un buen ejemplo es el CUSIP de S&P, que identifica de forma exclusiva los productos financieros.
• Incorporar más y mejores datos a las decisiones, la promesa de una «toma de decisiones basada en los datos».

A largo plazo, las empresas tendrán que seleccionar una o dos que mejor se adapten a sus habilidades, los datos que poseen o pueden obtener y los mercados en los que compiten. La informalización es casi siempre un buen punto de partida, en parte porque el trabajo es sencillo: pida a algunos de sus mejores vendedores que documenten su comprensión de lo que los clientes realmente quieren y necesitan. Luego, realice un simple «análisis de brechas» para determinar qué es lo que les gustaría que no esté cumpliendo. Busque llenar estos vacíos con datos.

No se olvide de la gente

Al abrir este artículo, hice hincapié en la importancia de las personas en cualquier estrategia de datos. Si quiere que sus datos añadan valor, necesita que las personas asuman nuevas funciones. En cuanto a la calidad de los datos, por ejemplo, las personas en sus funciones de clientes y creadores de datos, respectivamente, son los actores clave. Para el control de los procesos, los responsables de los procesos empresariales deben encontrar y eliminar las fuentes o variaciones innecesarias. Los vendedores son el mejor público para la informalización. Tiene que preparar a estas personas para el éxito: reclutarlas, explicarles lo que quiere que hagan, darles alguna formación (ninguno de los trabajos es particularmente difícil, pero no es familiar), liberarlos y apoyarlos a lo largo del camino.

Cualquier gerente, de cualquier nivel, puede decidir mejorar la calidad de los datos, controlar sus procesos o informalizar su trabajo. Casi todos los que persisten en uno o dos inevitables problemas obtienen los beneficios reales con bastante rapidez. Pero sin el apoyo de los niveles más altos de la organización, la mayoría de los directivos ni siquiera lo intentan.

Seguir los pasos aquí descritos no garantizará que «gane el juego de los datos». Pero lo pondrá en la dirección correcta, pondrá en marcha algunos conceptos básicos, lo ayudará a adquirir suficiente experiencia como para elaborar un camino a largo plazo y conseguir verdaderas victorias. Y ganar engendra ganar.

Si es uno de los muchos que se apresuran a implementar la IA, ahora es el momento de tomar un ritmo. La IA es mucho más difícil de lo que parece. Sin datos de alta calidad y proyectos de ciencia de datos exitosos en su haber, puede que se esté preparando para el fracaso. En vez de eso, tómese un tiempo para sentar las bases correctas.