KPMG Blogs

open

¿Cómo alcanzar la tierra prometida del big data y de los analytics?

En un contexto de crisis económica, de elevado grado de madurez en muchos mercados y de una competencia feroz por captar y fidelizar a los consumidores, muchas empresas ven en el mundo del big data y los analytics un mundo de oportunidades para mejorar su desempeño comercial y operativo. Empresas de éxito como Tesco en UK o Amazon en Estados Unidos llevan muchos años tomando sus decisiones de negocio apoyados en esta disciplina y la “cultura del dato” está muy imbricada en su ADN y en su modelo de gestión. Sin embargo en otras organizaciones este tipo de cuestiones se comienzan a abordar desde el lado tecnológico y la primera pregunta que se hacen es “¿qué tecnología y aplicaciones tengo que instalar?” sin hacer una reflexión previa desde un punto de vista de negocio pensando que decisiones de negocio se pueden mejorar utilizando el inmenso océano de datos que se generan diariamente alrededor de una empresa y sus clientes.

No cabe duda que aquellas organizaciones que sean capaces de transformar datos en información y conocimiento contarán con una sustancial ventaja competitiva, pero es necesario diseñar una hoja de ruta para alcanzar con éxito la tierra prometida del big data y de los analytics y no perderse entre los espejismos de las bases de datos no estructuradas y los algoritmos basados en redes neuronales.  Toda organización necesita armar un plan de transformación y desarrollo de capacidades analíticas que al menos de respuesta a cinco cuestiones clave:

(1) ¿Dónde existen oportunidades de creación de valor?

(2) ¿Qué herramientas necesita la organización para aplicar en sus decisiones el conocimiento generado?

(3) ¿Qué capacidades analíticas hay que desarrollar para analizar los datos y transformarlos en conocimiento?

(4) ¿Cómo tengo que diseñar y operar mi “refinería de datos” para recoger, clasificar, depurar y almacenar los datos que la organización necesita para tratarlos analíticamente y transformarlos en conocimiento?

(5) ¿Qué cuestiones críticas harán que la transformación sea exitosa?

Dar respuesta a estas cuestiones y otras más específicas de cada organización necesita de un dialogo y debate estratégico entre varías áreas de la empresa, partiendo siempre desde una visión de negocio y donde la tecnología será la solución para mucho de los retos que se planteen, pero al mismo tiempo es necesario generar las condiciones adecuadas para que el viaje hacia la tierra prometida sea un éxito y se materialice en la cuenta de resultados.

(1) ¿Dónde existen oportunidades de creación de valor? Al igual que un plan estratégico trata de identificar oportunidades de crecimiento y rentabilidad, y lo más importante de todo, valorar las grandes decisiones a tomar o “trade-offs” a gestionar, un Big Data & Analytics Plan tiene que construirse con esa misma visión de negocio. Una de las tareas fundamentales del equipo de gestión de una organización es la toma de decisiones, y que hasta hace tan solo unos años se apoyaba en la experiencia e intuición de los directivos con más experiencia y talento, tratando de cubrir las carencias de información y conocimiento de la organización en tiempo real.

Pero hoy en día se abre un nuevo paradigma en cuanto a la toma de decisiones. Cuando vivimos en un mundo que cambia de la noche a la mañana, es más importante medir ese cambio en tiempo real que a través de la evolución de los resultados del negocio. Si esperamos a detectar que algo ha cambiado porque nuestra cifra de ingresos ha disminuido o nuestra base de costes se ha incrementado puede ser ya tarde para reaccionar. El paradigma del “big data & analytics” se basa más en el análisis en tiempo real de un flujo constante de información que en el estudio a posteriori de datos almacenados, priorizando la dirección de la tendencia a la foto exacta en un momento determinado. Se puede, por ejemplo estimar en tiempo real las ventas de un supermercado analizando la cantidad de señales que emiten los teléfonos móviles de los clientes que están entrando por la puerta (más teléfonos, más clientes, más ventas), frente a tener que esperar dos o tres días para analizar los datos de facturación consolidada.

Se trata por tanto de cambiar el paradigma de gestión: reaccionar en tiempo real frente corregir a posteriori. Las grandes oportunidades de creación de valor mediante la toma de decisiones se centran en tres tipos de capacidades:

(a) Mejorar el monitoreo de resultados y describir las causas de porque han ocurrido: explicar por ejemplo porqué este mes las ventas han caído un 2% y nuestra competencia ha crecido por encima del mercado

(b) Predecir comportamientos en un escenario de incertidumbre creciente: estimar por ejemplo la cifra de ventas en diferentes escenarios de precios y promociones

(c) Tomar decisiones en tiempo real en base a la evolución del contexto y del ecosistema competitivo: ajustar dinámicamente el precio de un producto en función de la demanda, el cumplimiento de los objetivos de ventas y la estrategia de precios de la competencia

Si aproximadamente una organización dedica a día de hoy el 90% de su tiempo analítico a reporting y a describir las causas raíz de su cuenta de resultados, a medio plazo debería tener un mix indicativo en el que solo el 50% del tiempo analítico fuese explicar el pasado, un 40% enfocado a predecir el futuro en diferentes escenarios y un 10% dedicado a elaborar algoritmos que ayuden al negocio a tomar decisiones en tiempo real.

De manera general tenemos que empezar a obsesionarnos como poder mejorar la ecuación de crecimiento y rentabilidad de la compañía, e interiorizar que es un proceso dinámico basado en la mejora de los millones de decisiones que toma la organización en todas sus áreas e interacciones con clientes, proveedores o competidores.

(2) ¿Qué herramientas necesita la organización? Muchas organizaciones se quedan atascadas en el camino porque no son capaces de traducir los resultados de un potente modelo analítico en herramientas que sean manejables por las áreas en las que se toman las decisiones. Por ejemplo, una empresa de telecomunicaciones es capaz de identificar aquellos clientes con mayor probabilidad de cambiarse a la competencia mediante un algoritmo que combine información transaccional (e.g. perfil de consumo) e interacciones recientes con la compañía (e.g. llamadas al call center), pero es necesario que todo ese conocimiento necesario se visualice de la manera adecuada por las personas que al final tienen el contacto con el cliente y tienen que tomar una decisión. Una forma de articularlo sería que cada vez que un cliente llama al call center un semáforo indicara en tres colores el nivel de riesgo del cliente y automáticamente se mostrara la oferta que se le podría hacer a cada cliente y del modo en comunicársela.

Esta fase del plan es absolutamente crítica para que todo el conocimiento generado sea utilizado por la organización en su toma de decisiones, evitando discrecionalidades individuales de cada empleado y asegurando que cada decisión individual converge hacia un objetivo común para toda la compañía.

(3) ¿Qué capacidades analíticas hay que desarrollar? Traducir millones de registros de una base de datos en conocimiento útil para la organización requiere de unas capacidades analíticas y matemáticas que se van sofisticando con el nivel de aspiración que nos marquemos. Por ejemplo, una empresa de retail tiene alrededor del pricing un enorme recorrido de sofisticación. Se puede comenzar con mapear los “price-points” actuales, valorar el nivel de elasticidad e identificar los elementos más visibles e invisibles del precio en la toma de decisiones del consumidor. Un segundo paso nos puede llevar a jugar con varias promociones al mismo tiempo que optimicen el retorno del inventario actual de producto, sabiendo que comportamientos cruzados se producen cuando jugamos con el precio de varios productos al mismo tiempo. Un nivel analítico más avanzado nos llevaría a ser capaces de  tener una gestión dinámica del precio en tiempo real en función de la hora del día, el día de la semana, la localización de la tienda o el estado del tiempo. Por ejemplo, Tesco ha detectado que cada vez que la temperatura sube cuatro grados en Reino Unido la venta de hamburguesas sube un 42%, con lo que ajustan dinámicamente su producción y su distribución para no perder ventas por falta de previsión.

Todos estos ejercicios requieren de capacidades analíticas descriptivas, predictivas y algorítmicas y que toman forma en forma de A/B testing, árboles de decisión, clustering, redes neuronales o regresiones multivariantes. Lo más importante es tener claro el problema a resolver e identificar la técnica analítica y matemática que en menor tiempo posible entregue el conocimiento más preciso para mejorar la toma de decisiones de la compañía. Por tanto, en mundo creciente de big data cobra importancia que las organizaciones dispongan de los perfiles capaces de tomar estas decisiones, y que en términos generales se les comienza a denominar los “científicos del dato”.

Se empiezan a demandar habilidades analíticas y estadísticas que van más allá de los aprendimos en la universidad. Los científicos del dato son personas con capacidad de entender cómo encontrar una respuesta a las grandes cuestiones que plantea el negocio en el ingente océano de datos desestructurados que circulan por la economía socio-digital.  Son profesionales con capacidad de traducir datos en ingresos y margen, y según la consultora Gartner, se espera una demanda tan significativa de este tipo de perfiles que el big data creará en el año 2015 más de cuatro millones de puestos de trabajo directos en el mundo. La ciencia del dato requiere tener un sublime sentido del negocio y excelentes habilidades analíticas y tecnológicas pues se centra en hacer las preguntas adecuadas, sabiendo que se puede preguntar a los sistemas de información. Este tipo de profesionales jugarán un papel decisivo en la transformación de las empresas que se suban al carro de big data & analytics. Es un activo muy valioso cuyo papel consiste en hacer preguntas a los datos y extraer el valor que esconden.

(4) ¿Cómo tengo que diseñar y operar mi “refinería de datos”? El actual contexto socio-digital esconde enormes pozos de datos que no están estructurados en matrices de filas y columnas como habitualmente los visualizamos en una hoja de cálculo o una base de datos. Por ejemplo, las conversaciones que los consumidores tienen en redes sociales sobre marcas y experiencias de consumo representan un enorme potencial de conocimiento para las empresas, pero toda esta información se genera caóticamente en modo de frases y comentarios, y que no es posible introducir directamente en una herramienta analítica tradicional.

En este contexto las organizaciones tienen que ser capaces de desarrollar “refinerías de datos” que extraigan registros tanto de los sistemas transaccionales tradicionales (e.g. CRM, ERPs) como de fuentes de información externas a la compañía como por ejemplo conversaciones en redes sociales. Es muy probable que la gestión de todo este tsunami de datos requiera inversiones en hardware y software, y al mismo tiempo en las capacidades tecnológicas necesarias para su operación y mantenimiento. El dato comienza a comportarse como un ser vivo y que necesita de un ciclo de vida de gestión al igual que un cliente.

Afortunadamente el mundo del big data se ha contagiado del espíritu “open source” (código abierto) de Internet y las inversiones a priori no deberían ser muy elevadas. Handoop, es el frameowrk de big data más utilizado actualmente, y se basa en una infraestructura de servidores bastante comoditizada y de mínimas prestaciones,  en una creciente disponibilidad de capacidad de cómputo virtualizada (cloud) y de un software de código abierto. Sin embargo, el gran reto no está en el coste de la tecnología sino en el talento que se necesita para utilizarla y explotarla.

(5) ¿Qué cuestiones críticas harán que la transformación sea exitosa? Es indudable que para muchas organizaciones alcanzar la tierra prometida del big data & analytics requerirá de un esfuerzo de transformación de magnitudes no desdeñables y por tanto la gestión del cambio juega un papel crítico y fundamental. El plan tendrá que contemplar un fino equilibrio entre la velocidad de desarrollo de nuevas capacidades analíticas y tecnológicas, su coste y el impacto esperado en la cuenta de resultados. Al mismo tiempo habrá que balancear el desarrollo de capacidades internas mediante formación específica, la adquisición de talento externo y el apoyo de asesores externos en algunas fases críticas de la transformación.

En este tipo de retos es siempre muy recomendable la creación de un grupo multidisciplinar que de manera integral diseñen y ejecuten un plan de transformación para desarrollar las capacidades necesarias y sobre todo mejorar la toma de decisiones de la organización, pues en el nuevo contexto socio-digital es claramente una potencial fuente de ventaja competitiva y de sostenibilidad del negocio.


Cuestión clave

Antes

Ahora

Modus operandi

Pronosticar, planificar, presupuestar, medir y corregir

Medir el cambio, prevenir y reaccionar en tiempo real

Toma de decisiones

Concentrada en lo alto de la pirámide organizativa y con un alto componente intuitivo para compensar lagunas de información y conocimiento

Distribuida en la organización, cerca del negocio y basada en evidencias cuantitativas y no instintivas

Papel de la tecnología

Automatizar procesos, poner en valor la escala y proveer información de manera secuencial una vez ejecutado el proceso de negocio

Crear un ecosistema “big data” de conocimiento distribuido que monitorice el cambio y las tendencias al mismo tiempo que ocurren

 ***

El viaje hacia la tierra prometida del big data y de los analytics ofrece a las organizaciones un nuevo modelo de gestión, con una toma de decisiones en tiempo real, alineada con el cambio continuo del entorno y mucho más distribuido, autónomo y cercano al negocio.  Y por último pero no menos importante, hace posible una fuerte cultura del desempeño. Cuando no existe cultura que premia y castiga en función del desempeño, la gente se suele sentir inundada de información, a la que no ven utilidad ni cómo sacar partido; en definitiva, “no hay hambre de conocimiento”. Hay que estimular que las personas salgan de su habitual zona de confort, que necesiten aprender y desaprender de maneara continua como vía natural para mejorar su desempeño y progresar en su carrera y desarrollo profesional. Hay que estimular la creación de un ecosistema de conocimiento dentro de las organizaciones donde se genere y se comparta de manera habitual.

Jose Cantera
Partner-in-charge of Telecom, Media and Technology (TMT)
Head of KPMG Digital
Co-author of Networknomics
Twitter: Jcantera_KPMG

Deja un comentario


De conformidad con lo dispuesto en la Ley Orgánica 15/1999, de 13 de diciembre, de Protección de Datos de Carácter Personal, le informamos de que sus datos personales facilitados en el presente formulario serán incluidos en un fichero titularidad de KPMG, S.A. denominado “BLOG” con la finalidad de gestionar su participación en el mismo, siendo este tratamiento de datos de carácter obligatorio. En cualquier momento podrá ejercitar sus derechos de acceso, cancelación, rectificación y oposición, contactando con KPMG S.A. a través del correo electrónico ES-FMderechosarco@kpmg.es o por escrito dirigido al Departamento de Asesoría Jurídica de dicha empresa en la dirección: Paseo de la Castellana, 95, 28046 Madrid

* Para enviar el comentario, es preciso aceptar la política de Protección de Datos de Carácter Personal.