Una cosa es reunir grandes cantidades de datos y aplicarles la analítica; muchas organizaciones lo están haciendo. Otra cosa es obtener un valor empresarial óptimo de esos datos y análisis.
Las empresas que han invertido de manera con fuerza en herramientas de análisis pueden estar haciéndolo sin encontrar la forma de garantizar que sus esfuerzos se reconozcan en forma de valor empresarial. Esto puede ocurrir por varias razones.
A continuación, se ofrecen algunos consejos para garantizar que las inversiones en análisis den sus frutos y proporcionen información que marque la diferencia, en lugar de limitarse a generar informes atractivos que no digan gran cosa.
Alinear la analítica con los objetivos empresariales
Alinear más estrechamente los esfuerzos de TI con los objetivos empresariales de la organización es un mandato clave del líder de TI para generar más valor a partir de los datos.
“La analítica de datos tiene que resolver problemas empresariales reales”, explicó Dan Simion, vicepresidente de Inteligencia Artificial y Analítica de Capgemini. “Comenzar con casos de uso que son específicos del negocio puede ser un gran enfoque para ganar la aceptación de más partes interesadas que pueden estar fuera de TI”.
Esta estrategia ayuda al resto de la organización a ver el valor en varias áreas funcionales y unidades de negocio, porque los datos están impulsando resultados claros que son comprensibles en términos de negocio. “Empezar con el problema de negocio, desarrollar un caso de negocio y seguirlo es fundamental para descubrir el valor de los datos”, dijo Simion. Como parte de este proceso, la alineación entre la empresa y las TI es fundamental, afirmó.
Los analistas de datos y de TI deben trabajar con las unidades de negocio para encontrar ventajas reales y casos de uso interno, mencionó Gary Kern, CIO del proveedor de servicios financieros Middlefield Banking Co. “Esto ayuda a todos a entender el valor real y los beneficios del trabajo en equipo para llegar a él”, indicó.
Middlefield Banking Co. ha luchado para conseguir que algunas unidades de negocio sean más activas en el uso de decisiones basadas en datos y nuevos procesos basados en información más detallada, por lo que Kern ha trabajado “para encontrar a los primeros en adoptarlos dentro de esos departamentos con los que podemos asociarnos para conseguir victorias y vender el valor a otros en esa área”, dijo.
El proveedor de servicios sanitarios UnityPoint Health comenzó a invertir en herramientas de análisis hace años y siguen dando sus frutos en sus hospitales de la red regional y comunitaria, en sus clínicas y en su división de atención domiciliaria, ayudando a gestionar la salud de la población y a abordar futuros problemas, reconoció su CIO, Laura Smith.
La fuerte alineación con los líderes empresariales es una de las principales razones del éxito. “Es imprescindible asociarse con el negocio para entender el problema que hay que resolver o la oportunidad que hay que conseguir”, mencionó. “¿Qué es lo que queremos conseguir concretamente? ¿Qué datos importantes nos faltan ahora mismo?”.
Una buena manera de empezar a establecer una relación con la empresa es investigar el problema o la oportunidad reuniéndose con las partes interesadas y realizando observaciones sobre el terreno.
“Por ejemplo, nuestro equipo de análisis construyó un modelo para tratar de reducir el número de pacientes que tenían que ser readmitidos en nuestros hospitales”, explicó Laura Smith. “Empezamos trabajando con el negocio para entender qué preguntas debía responder el modelo. Entre ellas estaban: ¿Quiénes son los pacientes adecuados para la intervención? ¿Qué medidas debemos tomar y cuándo debemos tomarlas?”.
Como resultado de este modelo, un hospital redujo su tasa de readmisión a 30 días en un 44% en dos años, superando los objetivos de rendimiento internos.
Conseguir la participación de los principales patrocinadores ejecutivos
Contar con patrocinadores ejecutivos o partes interesadas que puedan impulsar los resultados y las perspectivas de la analítica de datos puede ayudar a generar un mayor valor.
“Este defensor ejecutivo impulsa la adopción en toda la organización y puede ayudar a moldear el modelo operativo para permitir que la gente actúe con los conocimientos que se han extraído de los análisis”, expresó Dan Simion.
Con un alto nivel de aceptación y apoyo, “la empresa puede empezar a activar las conclusiones y obtener valor de ellas”, afirmó Simion. “Si simplemente se elabora un informe a partir de los resultados y nadie toma medidas, la empresa no obtendrá ningún valor. Los datos generarán los conocimientos, que se utilizarán para las decisiones empresariales en todos los niveles de las organizaciones, desde las acciones tácticas hasta las decisiones estratégicas”.
Middlefield Banking Co. formó un Consejo de Gobernanza de Datos (DGC), que incluye al CIO, al CFO, al CMO y a otros dos o tres altos directivos en áreas de uso intensivo de datos, dijo Kern.
Este grupo se reúne mensualmente para debatir cuestiones relacionadas con la “única versión de la verdad”, la limpieza de datos, su calidad, la evolución de los esfuerzos analíticos y otras preocupaciones de alto nivel relacionadas con el análisis de la información y la propiedad de los datos”, afirmó Kern. “El DGC nos permite una manera de escalar las preocupaciones y asegurar que hay un órgano de toma de decisiones en el lugar para dirigir los esfuerzos en el nivel superior”.
Actualice su modelo operativo y mida su éxito
Aunque el impulso de estar centrado en los datos es común entre las empresas en la era del negocio digital, muchas compañías siguen sin comprender el verdadero valor de la información.
Las empresas tienen que dejar de operar sobre la base de una “sensación visceral” y pasar a convertirse en organizaciones impulsadas por la información y los datos”, afirmó Simion.
Contar con un modelo operativo basado en los datos crea una probabilidad de éxito mucho mayor, reconoció aquel especialista, y permite a las organizaciones ver el valor de sus análisis de datos más rápidamente, con un camino y una visión más claros de cómo alcanzar sus objetivos.
“Los datos, a través de los conocimientos, impulsarán el proceso de toma de decisiones”, prosiguió Simion. “A través del nuevo modelo operativo, las personas dentro de la organización estarán motivadas para cambiar comportamientos, [y] el valor de los datos se logrará a un ritmo más rápido”.
Pero para reconocer el valor resultante de un determinado conocimiento o dato, las empresas necesitan un marco para medir el éxito. “Esto ayuda a las organizaciones a evaluar su progreso actual, a hacer ajustes y a optimizar la forma en que están avanzando hacia sus objetivos de análisis de datos”, insistió el vicepresidente de Inteligencia Artificial y Analítica de Capgemini. “Al demostrar la cantidad de valor y los resultados impulsados por la analítica de datos a través de una capacidad de medición clara, ayudará a los líderes de datos a mostrar el retorno de cualquier inversión en analítica”.
Establecer conductos de datos con el valor del negocio en mente
Obtener valor de los datos no se consigue de la noche a la mañana ni mediante una fórmula mágica; requiere tiempo y esfuerzo.
Hace unos 20 años, Lonnie Johnson, CIO de la organización sanitaria KVC Health Systems, decidió empezar a desarrollar una estrategia de análisis a largo plazo en la empresa que ha dado sus frutos a lo largo de los años. El primer paso fue organizar los datos en una base de datos relacional, lo que permitió al equipo de análisis categorizar los puntos de datos existentes.
“Normalizamos la información catalogando las líneas de negocio, las oficinas, los programas, los identificadores cronológicos, los tipos de transacciones y una serie de características sobre nuestros pacientes”, dijo Johnson. “Recogimos y conectamos información de varias bases de datos y hojas de cálculo independientes”.
A continuación, el equipo creó formularios digitales, aplicaciones e interfaces de usuario para transformar los documentos en papel de la empresa. También creó interfaces para esos documentos como forma de introducir información en las bases de datos en adelante.
“En nuestras interfaces de usuario reforzamos la integridad de los datos y aprendimos a autocompletar los campos en la medida de lo posible”, explicó Johnson. “Incluimos en gran medida a la comunidad de usuarios en el desarrollo de estas interfaces digitales, para asegurarnos de que estábamos captando un valor empresarial real. Todavía lo practicamos hoy”.
El equipo creó constructores de consultas personalizadas en las aplicaciones, lo que permite a los usuarios extraer información de campos seleccionados basándose en descripciones de puntos de datos. “Esto liberó al equipo de datos para centrarse en análisis más avanzados”, admitió el CIO de KVC Health Systems. “También animamos a los usuarios a dar su opinión sobre el constructor de consultas para ayudarnos a organizar mejor la información”.
El equipo comenzó a capturar grandes cantidades de datos de texto y formularios en bases de datos NoSQL tanto para el desarrollo rápido como para el futuro procesamiento del lenguaje natural. “Si utilizas formularios digitales para encuestas, documentos legales, información de clientes o cualquier otro documento que pueda cambiar en cualquier momento, el uso de NoSQL puede agilizar la captura de datos y liberar a los desarrolladores para otras tareas más innovadoras”, afirmó.
La empresa invirtió en herramientas y conocimientos de ciencia de datos, con el objetivo de desarrollar estas habilidades necesarias en la empresa. “También encontramos un socio con el que podíamos trabajar regularmente para que nos ayudara a crear soluciones utilizando el aprendizaje automático para el análisis predictivo”, señaló aquel especialista. “Esta gama de [habilidades] in situ y la profunda experiencia externa se ha convertido en un nuevo servicio, que genera un suministro continuo de ideas procesables”.
Aprovechar los socios o equipos multifuncionales para mejorar la precisión de los datos
Esto afecta a todas las áreas cubiertas con anterioridad, especialmente la alineación de la analítica con el negocio y la actualización del modelo operativo. El equipo de análisis debe colaborar regularmente con los usuarios de la empresa para ayudar a garantizar el valor a través de datos de mayor calidad, o incluir a los usuarios de la empresa como parte de sus equipos interfuncionales.
“Asociarse estrechamente con los equipos de negocios en su organización crea una capa adicional de protección para la precisión de los datos, lo que mejora la forma en que tanto los datos como los equipos de negocios aprovechan los datos que ven”, dijo Jessica Lachs, vicepresidenta de Análisis y Ciencia de Datos en la plataforma de pedidos y entrega de alimentos en línea DoorDash.
“Cuando hay más equipos que miran los mismos datos, tienes más ojos para detectar anomalías que las alertas automatizadas podrían pasar por alto”, reconoció Lachs. “La estrecha colaboración también garantiza que el equipo de datos construya una intuición empresarial para comprender mejor las aplicaciones prácticas de los datos que gestionan”.
Esto permite al equipo ser autónomo y tomar mejores decisiones sobre la accesibilidad, la precisión y la escalabilidad en función de las necesidades del negocio, insiste Lachs, que supervisa un equipo de análisis de 85 personas.
“Creemos que, cuantificando tantas cosas como sea posible, podemos evaluar mejor las compensaciones, determinar lo que está funcionando y lo que tenemos que mejorar, maximizando así nuestro impacto y construyendo un mejor producto”, prosiguió la vicepresidenta de Análisis y Ciencia de Datos. “Para ello, debemos contar con cuantificaciones actuales y precisas de nuestras palancas empresariales clave, lo que constituye una parte fundamental de la hoja de ruta de mi equipo”.
A partir de ahí, “podemos utilizar los datos para crear una moneda interna común que nos permita evaluar y comparar las compensaciones en términos similares: por ejemplo, si fuera mejor [reducir] los gastos de envío en un dólar o mejorar los tiempos de entrega en cinco minutos”, mencionó Lachs. “Si se puede plantear la cuestión en términos similares, como por ejemplo en términos de pedidos incrementales, entonces la compensación se hace más clara, y también el valor para el negocio”.
-IDG.es
