El conocimiento y la planificación transforman el análisis de datos de una “ciencia oscura” en una herramienta empresarial convencional.
Aunque pocos lo admitirán públicamente, el análisis de datos sigue siendo una especie de ciencia oscura para muchos líderes de TI, repleta de métodos místicos y prácticas aparentemente inescrutables. Sin embargo, a pesar de su reputación un tanto enigmática, la analítica ha demostrado repetidamente que es una ciencia comprobada, una herramienta poderosa que generalmente conduce a mejoras significativas en la productividad, la eficiencia, las ventas, las ganancias y otras métricas y objetivos comerciales clave.
La revolución analítica actual tomó por sorpresa a muchos líderes senior de TI, como observa Michel Ballings, profesor asistente de análisis empresarial en la Universidad de Tennessee. “Recientemente, la informática se ha vuelto lo suficientemente poderosa como para realizar análisis de datos avanzados. [La mayoría] de los líderes senior de TI se graduaron mucho antes de la revolución del análisis de datos”.
El análisis avanzado es esencialmente una habilidad de investigación, y la mayoría de los líderes y ejecutivos de TI nunca han sido investigadores profesionales, señala David Johnston, científico de datos líder de ThoughtWorks, una firma de consultoría tecnológica. “Estas habilidades son más comunes en la comunidad académica y, por esta razón, los científicos de datos y los administradores de análisis más exitosos son ex académicos”. Como resultado, muchos líderes de TI de la vieja escuela ven las iniciativas analíticas emergentes con una combinación de desconcierto y pavor.
Abrazando lo desconocido
Los líderes empresariales de TI deben reconocer que los análisis presentarán un desafío para sus departamentos estables y bien estructurados. “Se necesita un cambio en los conjuntos de habilidades dentro de las grandes organizaciones para impulsar soluciones basadas en datos y análisis”, asevera Justin Honaman, director gerente del servicio de asesoría de tecnología digital de Accenture. “Muchos conjuntos de habilidades de TI tradicionales no funcionan con los nuevos motores de análisis, las bases de código y las estructuras de gestión de datos que evolucionan rápidamente en el mercado, lo que alimenta la necesidad de nuevos talentos”.
Seth Garske, director ejecutivo de ciencia de marketing de HackerAgency, una empresa de marketing directo, señala que muchos jefes de TI pueden no estar seguros de cuál es la mejor manera de abordar el análisis, especialmente dada su superposición con otros departamentos. “Si bien el análisis tiende a ser de naturaleza técnica, en realidad es más una función comercial, similar a las finanzas o la contabilidad”, explica. “Este malentendido ha creado algunas guerras territoriales bastante desagradables en algunas organizaciones”.
Dan Magestro, gerente sénior de análisis avanzado de West Monroe Partners, una firma de consultoría de negocios y tecnología, cree que si los líderes de TI invierten más tiempo en aprender cómo funciona el análisis, así como las formas en que se pueden usar los procesos analíticos para ayudar a su organización, aumentar la adopción y desactivar las luchas internas sobre roles y responsabilidades.
Un conocimiento analítico más profundo también puede ayudar a los líderes de TI a comprender por qué el enfoque a menudo parece tan misterioso. “La ciencia de datos, en su mejor forma, es un esfuerzo extremadamente creativo”, opina Johnston. “No existe necesariamente la necesidad de que los gerentes entiendan las partes internas de cada análisis, al igual que los propietarios de un proyecto de software no necesitan entender las partes internas tecnológicas subyacentes”. Lo que más importa, dice Johnston, es ver el valor creado.
A diferencia de TI, donde las soluciones suelen ser obvias y ampliamente adoptadas por empresas de todo el mundo, los procesos analíticos suelen ser únicos e individualizados. “Elegir el mejor método analítico es a veces sencillo, a veces arte”, dice Magestro. “Por ejemplo, buscar relaciones de causa-efecto en los datos generalmente significa algún tipo de regresión, y buscar características similares en grandes conjuntos de datos de clientes probablemente implique algoritmos de agrupamiento”. Al optimizar un presupuesto de marketing, un experto en análisis puede seleccionar entre innumerables métodos que pueden funcionar. “En tales casos, a menudo es más importante que un método se use correctamente y con buenas suposiciones que si es el ‘mejor’ método”, agrega Magestro.
Dirección de ajuste
Los expertos difieren sobre si las iniciativas de análisis empresarial deben centralizarse, ya sea dentro de TI o en un departamento de análisis independiente, o distribuirse entre unidades comerciales individuales. Muchos creen que la TI está mejor posicionada para servir como defensor del análisis y apoyo tecnológico, no como base de todas las iniciativas de análisis empresarial. “No hay ninguna razón por la que el análisis de datos deba almacenarse en silos dentro de un departamento”, señala Johnston. “Más bien, es un conjunto de habilidades que se debe fomentar para que crezcan en toda la empresa”.
Dado que la ciencia de datos es un campo en rápida evolución, hay una ventaja considerable en tener varios equipos colaborando y aprendiendo unos de otros, incluso si hay un poco de competencia amistosa entre ellos.
“Diferentes equipos harán las cosas de diferentes maneras, lo que dará como resultado una exploración más rápida de todo el campo para descubrir mejor los tipos de metodologías más adecuados para el entorno empresarial de uno”, asevera Johnston. “Tal polinización cruzada de ideas puede fomentarse aún más mediante la rotación de personas dentro y fuera de diferentes equipos”.
El modelo del Centro de excelencia de análisis (COE), un grupo o equipo que lidera y coordina las iniciativas de análisis en toda la empresa, se ha discutido durante muchos años, pero ha encontrado poco apoyo en comparación con la incorporación de talento analítico dentro de las unidades comerciales, señala Honaman. “Dentro de la TI tradicional, normalmente existe un modelo centralizado para consolidar y administrar los datos operativos mientras se brinda acceso a esos datos a los recursos analíticos dentro del negocio”. Sin embargo, con algunas excepciones, este enfoque no encaja bien con las necesidades analíticas únicas y especializadas de las unidades de negocios individuales.
Magestro dice que el caso para centralizar el análisis es más fuerte en dos instancias: cuando las sinergias de datos o habilidades están ampliamente distribuidas en diferentes funciones comerciales, o cuando las funciones comerciales menos maduras podrían beneficiarse de la experiencia que puede proporcionar un equipo central. “Vemos casos en los que un equipo de análisis central puede ser un catalizador temporal para el análisis funcional en crecimiento, en cuyo caso el equipo central podría ser mejor para necesidades altamente especializadas, como el aprendizaje automático o la inteligencia artificial”, dice.
Afirmando el liderazgo
Independientemente de cómo o dónde se originen dentro de la empresa, todos los proyectos de análisis requieren un liderazgo sólido y bien informado. “La clave es tener un buen patrón al mando”, dice Anirudh Ruhil, profesora de liderazgo y asuntos públicos en el programa de Maestría en Administración Pública en línea de la Universidad de Ohio. “También desea que el líder del equipo tenga una gran cantidad de experiencia comprobada, porque ese es, en última instancia, el indicador de un buen analista”.
Exactamente quién lidera un proyecto analítico depende del nivel de madurez analítica de una empresa, su industria y herencia, su fuerza de liderazgo y las áreas comerciales específicas que impulsan su estrategia y crecimiento, añade Magestro. “En algunas empresas impulsadas por las ventas, un líder sénior de análisis de marketing podría tomar más decisiones basadas en datos que cualquier otra área”, señala. “En empresas con una sólida función central de administración de datos, un líder de TI podría estar mejor posicionado para elevar las capacidades de análisis”.
La competencia por el talento analítico es intensa. “La mayoría de las empresas han renunciado con sensatez a la idea de contratar al científico de datos destacado con tres doctorados para realizar magia y, en cambio, han creado equipos de personas más jóvenes pero competentes”, afirma Johnston. Él cree que tal estrategia puede tener éxito en casi cualquier lugar si se siguen ciertos principios. “Debe empoderarlos para que tengan éxito. Deles datos, computación en la nube y cualquier herramienta que necesiten”.
Johnston también sugiere que la gerencia debe mantener un control relajado sobre los equipos de análisis. “Un equipo eficaz que está entregando a un alto índice de productividad no requiere un pequeño grupo de personas para ejercer autoridad sobre los demás”, afirma. “Naturalmente, las personas más titulares asumirán roles de responsabilidad ligeramente mayor, simplemente porque tienen más experiencia y probablemente más conocimientos sobre cómo completar la tarea en cuestión”.
Los representantes de las unidades de negocio deben participar en la planificación del proyecto de análisis desde el principio, desde la identificación de las métricas a seguir hasta la verificación de los paneles de visualización de datos, asevera Phil Schmoyer, gerente de la firma de consultoría de gestión Navigate. Por otro lado, capacitar a los gerentes comerciales y al personal para interpretar los datos no debería ser una preocupación importante. “Si un grupo de análisis se está desempeñando de manera óptima, no debería necesitar capacitar a las personas para interpretar los resultados”, dice. “[Las herramientas] deben diseñarse para que sean intuitivas para la unidad de negocios que digiere la información”.
Disipando el misterio
Honaman recomienda que los líderes de TI dejen de lado su miedo y escepticismo analítico y se concentren en cambio en el desafío que tienen entre manos: obtener información procesable en manos de los tomadores de decisiones. “Los especialistas en marketing, los profesionales de la cadena de suministro, los líderes financieros y los ejecutivos operativos tienen participación, interés e inversión en análisis, y esto crea una nueva complejidad y política en lo que respecta al espacio”, dice. La función de TI es ayudar, de cualquier manera posible, a habilitar la creación de información y datos limpios y disponibles para impulsar e impulsar las decisiones comerciales.
En lugar de descartar el análisis como un misterio inescrutable, los líderes de TI deberían colaborar para ayudar a los expertos en datos a obtener acceso a los datos y las herramientas que necesitan para tener éxito. “Con demasiada frecuencia, vemos falta de éxito causada por restricciones burocráticas impuestas a un equipo de ciencia de datos en lugar de falta de talento”, afirma Johnston. Señala que no es inusual, por ejemplo, ver organizaciones que hacen que el acceso a los datos sea demasiado doloroso para que valga la pena buscarlo y poner límites estrictos a las herramientas que están disponibles. “Estas restricciones pueden reducir fácilmente la productividad en factores de tres o más”, dice Johnston. “El tipo de personas ambiciosas que quieres conservar no permanecerán mucho tiempo en ese entorno y la selección natural te dejará con un equipo de análisis formado por personas dóciles y poco creativas que no entregarán el valor que se espera de ellos”.
John Edwards, CIO.com
