Por qué los minoristas no adoptan el análisis de datos avanzado

Desde hace años, se les ha dicho a los ejecutivos que la analítica avanzada puede ofrecer mejores respuestas a casi todas las preguntas empresariales. Sin embargo, al menos en el comercio minorista, sorprendentemente pocas empresas han aprovechado al máximo la oportunidad.

A pesar de que Walmart, Amazon y algunos otros minoristas líderes operan a la vanguardia de la frontera de la analítica y toman muchas decisiones importantes basadas en un suministro cada vez mayor de datos históricos y en tiempo real, la mayoría de sus competidores siguen utilizando herramientas muy básicas que son mucho más capaces de rastrear dónde estado que donde deberían estar yendo.

Esto ya está teniendo consecuencias reales para la industria. Durante la pandemia, Estimaciones de McKinsey, los 25 minoristas con mejor desempeño —la mayoría de los cuales son líderes digitales— fueron un 83% más rentables que los rezagados y se llevaron a casa más del 90% de las ganancias de capitalización bursátil del sector. Aunque no puede demostrar lo negativo, parece probable que los rezagados estén dejando mucho dinero sobre la mesa. En la venta minorista de abarrotes, por ejemplo, Estimaciones de McKinsey que la implementación de análisis avanzados añadiría un 2% a las ganancias de las tiendas de comestibles, una posible ganancia inesperada para un negocio duro y de bajos márgenes.

Esto no será noticia para la mayoría de la gente. Los ejecutivos de la empresa que más lento se mueve deben saber en algún nivel que se lo están perdiendo. Sin embargo, a pesar de entender las ventajas que la analítica ha ofrecido a sus competidores y de saber que los académicos y los consultores siguen desarrollando soluciones de análisis cada vez más avanzadas, parece poco probable que la mayoría de los rezagados alcancen pronto a los líderes.

¿Por qué a tantas empresas les cuesta tanto dar este salto adelante? ¿Qué los detiene?

Seis puntos conflictivos

Para averiguarlo, entrevistamos a un grupo diverso de ejecutivos minoristas mundiales (altos ejecutivos de minoristas, distribuidores, firmas de consultoría y proveedores de análisis que operan en América, Europa y Asia). Los 24 líderes empresariales que entrevistamos, cuyas empresas variaban en cuanto a su madurez analítica, citaron seis factores como principales puntos conflictivos:

Cultura. La mayoría de las empresas sufren aversión al riesgo y no tienen objetivos claros para un proyecto de análisis. «¿Los datos son importantes?» nos lo dijo un entrevistado. «Todo el mundo dice que sí. Si se pregunta por qué, muchos no lo saben». Otros desprecian la analítica, ya que consideran que su trabajo es más arte que ciencia. Un ejecutivo de una tienda departamental recordó que un comprador preguntó: «¿Me dirá un algoritmo qué vestidos comprar? Sé qué vestidos comprar».

Organización. Muchos señalaron que sus empresas se esfuerzan por mantener un equilibrio entre la centralización y la descentralización, las cuales son esenciales: la centralización para lograr la eficiencia, las economías de escala y la coherencia; y la descentralización para obtener flexibilidad, una mayor capacidad de adaptación a los entornos locales y receptividad a una gama más amplia de ideas.

Personas. Sin embargo, el mayor problema, nos sugirieron los encuestados, es quizás el siguiente: la función de análisis la suelen dirigir personas que no entienden realmente el negocio. Como escribió un ejecutivo: «Cuando, durante una interacción con los propietarios del problema, alguien de la analítica da la impresión de que no entiende nada del negocio, ocurre algo que me gustaría llamar abstinencia de órganos: dejan de tomarse a esta persona en serio [por completo]».

La mayoría de los ejecutivos, especialmente los de empresas medianas o de economías emergentes, nos dijeron que se enfrentan a una falta crítica de empleados con las habilidades adecuadas para diseñar y utilizar las herramientas de análisis. Lo que más necesitan son empleados que puedan cerrar las brechas funcionales, es decir, traductores, entre la analítica y la empresa. Solo en los Países Bajos, se necesitan miles de econometristas y científicos de datos, pero solo salen al mercado unos pocos cientos cada año. En este momento, LinkedIn incluye más de 4 000 ofertas de análisis empresarial en los Países Bajos, casi 50 000 en Europa y más de 100 000 en los Estados Unidos.

Procesos. Las empresas no tienen recursos ilimitados para lograr sus objetivos. Algunos de nuestros entrevistados señalaron que los proyectos de análisis suelen tardar demasiado y carecen de prioridades claras. Las iniciativas de análisis pueden beneficiarse de procesos bien definidos con líneas de responsabilidad inequívocas en relación con el objetivo general.

Sistemas. Actualmente, muchas empresas deben conformarse con una mezcolanza de sistemas heredados. Algunos se quejan de que no tienen la capacidad de mantenerse al día con el crecimiento exponencial de los datos disponibles. También son comunes los desajustes entre la sofisticación de los datos y la sofisticación de las herramientas.

Datos. Los encuestados nos dijeron que su mayor problema era la calidad y la gestión de los datos: los datos suelen estar aislados en varios lugares de la empresa y no se gestionan de forma organizada. Algunas empresas ni siquiera recopilan los datos que necesitan. «Hay muchos datos que ni siquiera generamos», dijo un ejecutivo. «[Nosotros] no tenemos sensores en nuestras unidades de transporte, no tenemos GPS en todas ellas ni RFID en el inventario para saber dónde está la mercancía».

Por supuesto, muchos ejecutivos de empresas rezagadas no están satisfechos con su situación actual y esperan cambiarla. Quieren invertir en almacenamiento e informática basados en la nube, en un mejor seguimiento de los activos y en más tecnología para mejorar la experiencia del cliente y hacer un seguimiento del comportamiento de los consumidores. La tecnología de vídeo también ocupa un lugar destacado en muchas listas de deseos, seguida de las aplicaciones móviles. Otros ejecutivos buscan datos extraíbles sobre los atributos de los productos que puedan ofrecer respuestas a preguntas como por qué se devuelven ciertos productos o qué es lo que más les gusta o no les gusta a los clientes en la actualidad.

La mayoría de los ejecutivos también nos han dicho que esperan con ansias el día en que tengan datos de mayor calidad y herramientas de aprendizaje automático más inteligentes. Quieren apoyo en la toma de decisiones a niveles más detallados, como tienda por tienda. Un número nos dijo que necesitarían más ayuda con la planificación de la demanda, el modelado y las estrategias de solución. También querían ayuda con la integración de datos no tradicionales adicionales, como datos censales y demográficos y datos sobre el clima, la actividad de los clientes en las tiendas, la actividad en las redes sociales, los flujos de clics y las tendencias de búsqueda en Internet. Pero no basta con obtener los datos, también se necesitan las herramientas para convertir esos datos en conocimiento práctico.

Cómo empezar

Le recomendamos dos formas:

Primero, haga un balance de su posición. ¿Cuáles son las decisiones importantes más comunes que toma? ¿Qué tan avanzados son los análisis que se utilizan para crearlos? ¿Su cultura está preparada para adoptar un enfoque de toma de decisiones basado en la evidencia? ¿Está organizado para permitir que las unidades individuales experimenten e innoven en el uso de la analítica y, al mismo tiempo, aprender de esas experiencias para ampliar los conocimientos exitosos de las aplicaciones locales a las de toda la empresa? ¿Cuenta con personas con las habilidades necesarias para traducir de un lado a otro, desde temas empresariales hasta problemas de análisis, por ejemplo, y luego resultados analíticos y recomendaciones empresariales? ¿Disponemos de una infraestructura de sistemas para recopilar, almacenar, organizar, acceder y procesar toda la información necesaria para las iniciativas de análisis?

En segundo lugar, pregunte qué procesos se pueden mejorar con una mejor analítica con los datos existentes. ¿Cómo puede mejorar los análisis que se utilizan para analizar esos datos? ¿Cómo puede hacer que tengan más visión de futuro y sean más avanzados en los métodos empleados?

Una vez finalizada la evaluación inicial, comienza el arduo trabajo. El camino a seguir implica un rediseño organizativo y una inversión estratégica. Analizamos cada uno por turnos más abajo.

Rediseño organizativo

Los líderes analíticos que hemos estudiado muestran una cultura organizacional que celebra la experimentación. El mantra «Piense a lo grande, empiece de a poco y escale rápido» era común. Para estas empresas, los datos y la analítica parecen formar parte de su ADN. Reimaginar la cultura organizacional no es una tarea fácil, pero le recomendamos empezar por reafirmar los valores organizacionales en relación con la analítica.

En concreto, los líderes pueden encabezar una campaña interna haciendo hincapié en que la analítica está destinada a empoderar a los responsables de la toma de decisiones, no a sustituirlos. Fomentar una cultura en la que se recompense a los empleados por entender las predicciones y prescripciones generadas por las herramientas de análisis, en lugar de limitarse a ejecutar las recomendaciones y recompensar el cumplimiento. En general, cualquier resistencia interna a la adopción generalizada de la analítica puede combatirse abriendo la caja negra algorítmica y reconociendo que es más probable que los directivos utilicen soluciones de análisis cuando conocen de primera mano el enfoque subyacente. El objetivo es que la toma de decisiones basada en la evidencia sea uno de los pilares más importantes de la cultura de la empresa.

Estructuralmente, observamos a las empresas en la frontera de la analítica para complementar esta cultura experimental con un diseño organizativo ganador. Muchos utilizaron una estructura centralizada en la que algunos conocimientos están integrados en determinadas funciones empresariales y otros se encuentran en un centro de excelencia dedicado a la analítica. Este diseño organizativo ofrece muchas ventajas. El centro de excelencia puede proporcionar una comunidad a quienes trabajan en el análisis, facilitar la supervisión, fomentar el intercambio de conocimientos y poner en común los recursos. Y al tener algunos miembros del equipo ubicados en las unidades de negocio, la empresa evita los riesgos que se presentan cuando el centro de excelencia trabaja de forma aislada, en particular, el riesgo de que los equipos trabajen en problemas que son técnicamente atractivos en lugar de relevantes en la práctica.

Inversión estratégica

Teníamos muy claro que las empresas que estaban a la vanguardia de la analítica que observamos habían realizado importantes inversiones en sus sistemas. La mayoría había tomado la decisión estratégica de reemplazar sus sistemas antiguos por sistemas basados en la nube. ¿Por qué importa esto? Evita un desafío clave que existe a la hora de actualizar los sistemas antiguos, a saber, la integración de los nuevos y los antiguos. Abundan las quejas sobre la capacidad de los nuevos módulos para interactuar con los sistemas existentes. Los nuevos sistemas basados en la nube evitan estos desafíos y se pueden diseñar para escalar y utilizar la creciente disponibilidad de los macrodatos.

En relación con esto, la gobernanza de los datos es un punto fuerte clave de las empresas de vanguardia. La calidad de los datos es una prioridad, al igual que el almacenamiento centralizado. Uno de los obstáculos que identificamos para el avance de la analítica fue la naturaleza aislada de los datos existentes, lo que dificultaba la incorporación de los datos de toda la empresa en la toma de decisiones. Las decisiones del mañana implican traspasar los límites de la organización (por ejemplo, marketing y operaciones). Desglosar los silos de datos para que, por ejemplo, los equipos de precios puedan incorporar factores operativos como la capacidad de entrega o el tiempo de entrega solo puede mejorar el rendimiento de la organización.

Por último, y en nuestra opinión, lo más importante es que las empresas tienen que invertir en talentos clave y desarrollar una cartera para esos talentos. Hay muchas maneras de hacerlo. Una posibilidad es colaborar con las universidades que ofrecen títulos en ciencias de datos o programas similares. Estos programas suelen buscar proyectos del mundo real en los que sus alumnos puedan trabajar. La ventaja de esto es doble. Los estudiantes obtienen conocimientos prácticos sobre un problema empresarial y pueden practicar la comunicación de soluciones analíticas a los líderes empresariales, y la empresa puede aprender las herramientas más recientes y obtener una vista previa de algunos de los talentos para futuras oportunidades de contratación. Otra posibilidad es desarrollar programas de formación para los empleados actuales. Los programas internos hechos a medida pueden enseñar a los propietarios de empresas algunos de los fundamentos de la analítica o impartir conocimientos del dominio empresarial a quienes desempeñan funciones estrictamente analíticas.

• • •

Las revoluciones tecnológicas suelen llegar en dos etapas que se superponen: la introducción de un nuevo conjunto de herramientas y, luego, la adquisición de los conocimientos necesarios para utilizarlas. Esta segunda etapa, el desarrollo de los conocimientos necesarios para aprovechar las nuevas herramientas, a menudo ralentiza la adopción. No había muchos electricistas al principio de la carrera de Thomas Edison, y los hermanos Wright eran mecánicos de bicicletas. En este sentido, la revolución del análisis de datos no es diferente. Lo que es diferente es la velocidad con la que se diseñan estas nuevas herramientas. En la era de la abundancia de datos, es casi seguro que quienes aprendan primero a sacar provecho de sus conocimientos obtendrán una poderosa ventaja operativa sobre sus competidores.

Nota: Este artículo se basa en una investigación que los autores publicaron originalmente en la edición de octubre de 2022 de la revista Gestión de producción y operaciones.