Las empresas tradicionales tienen que centrarse más en los datos, con rapidez

La capacidad de implementar los datos como un activo empresarial competitivo es lo que ha distinguido a un conjunto de empresas bien establecidas y ricas en datos que han reinado como líderes del mercado a lo largo de las últimas décadas. Sin embargo, las condiciones empresariales evolucionan y, hoy en día, estas empresas se enfrentan a una nueva serie de desafíos que amenazan los puestos de liderazgo que tanto les costó ganar. ¿Cómo pueden estos líderes de datos consolidados pasar de la excelencia en los datos y el análisis tradicionales —del tipo que han desplegado en las últimas décadas— al liderazgo en una nueva era de toma de decisiones basada en Big Data, IA y aprendizaje automático? ¿Qué deben hacer las empresas que han destacado en disciplinas como el marketing de bases de datos, el CRM, el marketing personalizado y la analítica avanzada para seguir en la cima?

Los datos y la tecnología están impulsando el cambio empresarial. A medida que aumentan los volúmenes de datos y la potencia informática y aumentan las nuevas capacidades de IA, aprendizaje automático y big data, los líderes establecidos tienen que adaptarse y crecer. Cuando el CEO de JP Morgan Hace poco le preguntaron a Jamie Dimon sobre si había mucho que temer ante la posible amenaza de un «Banco de Amazon», un «Banco de Google» o de los nuevos participantes, como PayPal, Square, Stripe y Ant Financial, su respuesta fue: «Por supuesto, deberíamos tener miedo» y añadió: «Espero ver una competencia muy, muy dura y brutal en los próximos 10 años». La industria de los seguros es empezando a hacer la transición desde datos y análisis tradicionales hasta análisis basados en el aprendizaje automático, la IA y el Big Data, pero también se enfrenta a una nueva competencia. A diferencia de las compañías de seguros tradicionales, que tienen muchos datos pero que habitualmente se basan en enfoques actuariales, las empresas emergentes como Limonada y Traffk emplean el análisis del aprendizaje automático y se basan en miles de elementos de datos para ofrecer análisis personalizados e impulsar la compra de seguros.

Como coautores de este artículo y ejecutivos del sector desde hace mucho tiempo, el uso de los datos para impulsar una mejor toma de decisiones y un servicio de atención al cliente más personalizado ha sido nuestro objetivo durante décadas a lo largo de nuestras respectivas carreras empresariales: Randy Bean como asesor de grandes empresas y un cronista de la industria, y Ash Gupta como expresidente de Gestión Global del Riesgo Crediticio y la Información durante un 41 años de carrera en American Express. Nuestra opinión es que, para conservar sus puestos de liderazgo, las empresas tradicionalmente ricas en datos deben adaptar sus procesos de datos y análisis para incorporar las técnicas más recientes o corren el riesgo de quedarse atrás de las empresas que utilizan el Big Data, la IA y el aprendizaje automático.

Los líderes deberían considerar estas cinco tácticas de alto valor:

1. Conozca su negocio y priorice los datos que son más importantes para su empresa.

Uno de los mayores activos que mantiene cualquier empresa es su conjunto único de datos de clientes: las interacciones, las transacciones y el historial de comportamiento de los clientes. Ya se trate de información sobre el comportamiento, los hábitos o las transacciones de sus clientes, o de otro tipo de información, es fundamental que comprenda qué información única le proporcionan sus datos en particular. Saber eso y cómo combinarlo con fuentes de datos externas le permite crear y mantener un activo empresarial único y competitivo para su organización.

Las empresas de gran éxito distinguen entre la calidad y la cantidad de datos que mantienen. Una interacción típica con un cliente en línea produce más datos de los que se capturan en toda una vida de interacciones con los clientes fuera de línea. Una institución de servicios financieros capturó 50 000 elementos de datos, de los cuales 48 000 nunca se utilizaron. Con demasiada frecuencia, las empresas descartan los datos porque no tienen valor en una interacción, pero estos mismos datos pueden ser valiosos en otro contexto. Las empresas que se basan en los datos buscan continuamente los datos que son realmente útiles y que ofrecen la mayor información y valor empresarial.

2. Vincular las inversiones en tecnología con objetivos empresariales de alto valor.

Con demasiada frecuencia, las organizaciones equiparan el éxito con la realización de inversiones en tecnología de vanguardia y, a menudo, se alejan de los principales puntos fuertes empresariales que han hecho que una empresa sea competitiva y única. Para tener éxito, los ejecutivos necesitan sintetizar las características empresariales con las capacidades tecnológicas para que las organizaciones no se pierdan en la complejidad de sus soluciones. Las organizaciones inteligentes comienzan con la valiosa oportunidad de negocio que buscan aprovechar y se preguntan cómo se puede implementar la tecnología para lograr el resultado deseado, no comienzan con la tecnología y trabajan al revés. Empiece por identificar el problema empresarial, no por crear una capacidad y una solución con la expectativa de que, si lo crea, lleguen.

Muchas organizaciones se muestran desalentadas en sus esfuerzos por emprender iniciativas basadas en los datos porque las inversiones en tecnología parecen ser demasiado grandes o tardan demasiado en demostrar su valor empresarial. ¿Con qué frecuencia vemos a las empresas abandonar las iniciativas porque son incapaces de apuntar a un ROI inmediato y, al mismo tiempo, ignoran el valor empresarial sostenido que se obtiene de estas inversiones? La consecuencia es que demasiadas organizaciones nunca comienzan ni repiten un ciclo de inversiones fallidas en tecnología. Las empresas que mantienen una posición de liderazgo entienden que la tecnología es una herramienta, no una solución. Los innovadores y los líderes invierten en las capacidades principales que proporcionan una ventaja competitiva única y se distinguen de sus competidores. Por ejemplo, enseñan a sus equipos a ser expertos en técnicas de toma de decisiones cuantitativas y aprovechan el profundo conocimiento de sus empleados sobre su negocio cuando crean modelos importantes. Compre plataformas de tecnología e IA y motores de flujo de trabajo, no reinvente la rueda.

3. Centralice la infraestructura de datos, descentralice la gestión de clientes.

Las unidades de negocio tienen una tendencia natural a sentir un fuerte sentido de propiedad de «sus datos», pero las empresas de éxito gestionan los datos como un deporte de equipo, de forma colaborativa. Una unidad de negocio o región geográfica puede sentir que es «propietaria» de la relación con el cliente y de los datos dentro de su ámbito de competencia, sin tener en cuenta el beneficio organizativo más amplio desde el punto de vista empresarial y del servicio de atención al cliente.

Si bien esta tutela tiene muchos beneficios, pueden ser parroquiales, a diferencia de los beneficios que se obtienen cuando las organizaciones comparten datos de forma voluntaria y rompen los silos operativos tradicionales. Basta con mirar la velocidad a la que se desarrolló la vacuna contra la COVID-19 una vez que las organizaciones científicas, de salud pública y gubernamentales estuvieron dispuestas a colaborar a través de las líneas farmacéuticas, jurisdiccionales y de agencia. La Comisión del 11 de septiembre dijo una vez: Teníamos los datos, pero no los juntamos todos.

Las organizaciones pueden beneficiarse si centralizan su infraestructura tecnológica, sus políticas, prácticas y estándares para garantizar un tratamiento coherente de los datos y un uso legal y ético coherente. Al mismo tiempo, las organizaciones pueden beneficiarse de la analítica descentralizada y de la gestión local de los clientes por parte de las líneas de negocio y las regiones que están más cerca del cliente y que mejor lo conocen.

4. Educar a los ejecutivos de alta dirección sobre el valor empresarial del aprendizaje automático y la IA.

Ya pasó la época en que los altos ejecutivos pueden profesar su ignorancia de estas nuevas tecnologías. Si bien las distinciones pueden parecer poco claras para los especialistas no técnicos, es importante entender las diferencias entre la IA, el aprendizaje automático y el aprendizaje profundo: la IA aprovecha las máquinas para replicar las funciones cognitivas humanas; el aprendizaje automático se basa en enseñar a las máquinas a hacer predicciones basadas en datos y experiencias aprendidas; el aprendizaje profundo emplea algoritmos complejos para permitir una abstracción de los datos de alto nivel.

Si bien los ejecutivos no necesitan entender los detalles técnicos del «cómo», deben entender absolutamente «el qué» del valor empresarial resultante para la empresa. Es demasiado importante como para abdicar o subcontratar estas responsabilidades. Los directores ejecutivos de líderes tradicionales como Capital One y American Express se enorgullecían de su comprensión de los datos y la tecnología. Los directores ejecutivos deben adoptar los nuevos enfoques y entender lo que deben hacer para aprovechar el valor. Sin embargo, recuerde siempre comunicar el beneficio empresarial al cliente y a los empleados en términos claros y en un lenguaje sencillo que pueda entenderse bien y explicarse fácilmente.

5. Empiece de a poco y demuestre resultados empresariales mensurables, sin dejar de reconocer que el cambio transformador a menudo lleva décadas.

Eric Brynjolfsson, director del Laboratorio de Economía Digital de Stanford, observa que las empresas están adoptando un enfoque de la IA apresurarse y esperar, comentando: «Tenemos algunas superestrellas a las que les va muy bien, pero la razón por la que tarda tanto en primer lugar es porque no es fácil». Brynjolfsson señala que con tecnologías transformadoras como la IA, que tiene el poder de transformar modelos de negocio completos, pueden pasar décadas antes de que los cambios den resultados en el mundo real. Señala que gran parte del impulso detrás de la adopción de la IA está vinculado a la búsqueda de eficiencias a través de los datos y la analítica. NewVantage Partners Encuesta ejecutiva sobre Big Data e IA de 2021 corrobora estas perspectivas, ya que solo el 12,1% de los ejecutivos encuestados indican que la IA se produce de forma generalizada en sus empresas.

Demasiadas organizaciones se centran en soluciones curativas, jonrones, planes lunares o iniciativas de transformación importantes. Las empresas verdaderamente innovadoras van paso a paso y demuestran resultados mensurables en cada paso del camino. Pasar y permanecer impulsados por los datos es un proceso y un viaje continuo, rara vez un destino. Implemente procesos de gestión de costes para garantizar que las inversiones se basan en resultados empresariales mensurables. Demostrar una rentabilidad de la inversión constante vinculada a una gestión cuidadosa de los costes establecerá la credibilidad empresarial y aumentará el apoyo y el compromiso de la organización. Las organizaciones deben ofrecer la máxima libertad y seguridad para la experimentación sin miedo al fracaso. Las organizaciones innovadoras se caracterizan por una cultura de prueba y aprendizaje, que fomenta el crecimiento y el aprendizaje mediante el ensayo y el error. Realice procesos de prueba y aprendizaje para fallar rápido y aprender más rápido.

Los altos directivos de las empresas que sigan estas medidas tendrán muchas más probabilidades de diferenciarse de sus competidores más cautelosos. Se distinguirán como innovadores que darán forma al futuro de sus industrias y mercados en una era de disrupción, Big Data e IA.