Enciendes la televisión y puedes pasar horas viendo tu serie favorita, vas en el coche y el navegador te dice cómo llegar de la forma más rápida y sencilla a tu destino, desbloqueas el móvil y le recuerdas a ese amigo que siempre llega tarde a qué hora habéis quedado, pides comida a domicilio y en menos de una hora te has montado el restaurante en casa… ¿Te has parado a pensar en lo que ha pasado? Hay cosas que tenemos súper interiorizadas, que nos cubren las necesidades en nuestro día a día y damos por sentado, pero que, si reflexionamos un momento, son verdaderamente increíbles.
Netflix, Google Maps, Whatsapp o Glovo hubieran sido incapaces de realizar todo esto sin haber aprovechado la gran evolución de la tecnología, el Big Data y la Inteligencia Artificial. Eso mismo les pasa a muchas organizaciones: pueden tener mucho recorrido en procesos internos, atención y satisfacción del cliente o gestiones propias, sin embargo, están infrautilizando por completo sus capacidades y oportunidades, que, con tecnología y ciencia de datos, podrían dispararse exponencialmente y hacer cosas espectaculares.
La realidad empresarial actual, marcada por una fuerte digitalización y globalización es esta: para que las organizaciones sigan siendo competitivas, puedan optimizar sus procesos internos y tomar mejores decisiones estratégicas necesitan hacer uso de sus datos. La inteligencia artificial, el Machine Learning y el Big Data, son los grandes catalizadores del cambio de estos tiempos.
A medida que las iniciativas avanzan, las empresas cada vez se apuntan más a gestionar y utilizar sus datos, lo que al mismo tiempo potencia las capacidades de la IA y el Machine Learningpara optimizar sus negocios. Así, combinan la agilidad de los procesos del Big Data con la escalabilidad de la Inteligencia Artificial. Esta fusión, ayuda a acelerar la extracción de valor aún más que antes.
Al igual que los modelos de negocio han ido evolucionando, con la analítica ha pasado lo mismo. Se ha pasado de, únicamente visualizar nuestros datos y hacer un análisis descriptivo de la situación presente, poder hacer análisis predictivos que nos permiten tomar decisiones a futuro basadas en modelos de IA y que poco a poco están llegando al terreno prescriptivo: utilizar modelos de recomendación que nos dicen lo que es mejor y lo que no para la empresa.
De esta manera, se está consolidando la confianza en usar modelos matemáticos avanzados y de IA ya no solo para explicar lo que ha pasado y automatizar procesos, si no para fijar objetivos de negocio, predicciones y optimizaciones. Ya no solo hay que explicar por qué de las cosas, si no también ser capaces de mejorar la toma de decisiones diarias con una base cuantitativa.
Actualmente, cada vez existen más departamentos de Data Analytics, Data Science o Data Modelling en las organizaciones, y estos perfiles comienzan a ser imprescindibles en todos los equipos. Esto reafirma que el movimiento Data Driven está calando definitivamente en las empresas.
Sin embargo, la normalización del conocimiento de este tipo de técnicas no tiene que ser única y exclusiva de esa parte técnica. El reto es que todos los usuarios puedan acceder a los datos y utilizarlos en su día a día a pesar de no ser expertos; que tú, como persona de negocio, puedas acceder a un modelo matemático sin tener grandes conocimientos tecnológicos porque hay soluciones paquetizadas que te permiten utilizar esa información, entenderla sin dificultad y extraer un valor.
Para ello, es fundamental un cambio en la filosofía de la empresa que poco a poco, englobe a todas las personas y les haga ver el dato como un servicio más que puede utilizar diariamente en sus proyectos y decisiones. La democratización es la clave y los perfiles más técnicos tienen que estar ahí para acompañar esta transformación de la empresa, formar y ayudar al resto de los empleados y trabajar juntamente con ellos.
Las empresas dedican la mayor parte de su tiempo a fijar su estrategia y sus objetivos, sin embargo, también es necesario dedicar una parte de ese tiempo a que la estrategia de datos esté alineada con esa estrategia corporativa. Para ello, como hemos visto anteriormente, el gran cambio es cultural y aprender a trabajar de otra manera.
Ahora mismo lo que la tecnología y las matemáticas pueden llegar a hacer, está muy encapsulado en algunas partes de las compañías. Hay un gran potencial por descubrir que es el integrar el negocio en todo esto. Para poder extraerlo es necesario ese paso a una visión 360º, que haga que todas esas capacidades y oportunidades tecnológicas lleguen a cualquier rincón de la empresa y que todos los equipos estén integrados de manera global.
Si cada departamento trabaja de una manera y en silos, los relojes van a marcar distinta hora. Una gobernanza centralizada con datos de calidad, una estrategia alineada y un diccionario comprensible y accesible para todos va a ayudar a que todo lo que se realice vaya hacia la misma línea, no esté sesgado y no haya distintos relojes apuntando a distinta hora.
Con todo ello, podrás contar con herramientas de autoservicio para que las distintas áreas de trabajo puedan dan consumir estos datos con la seguridad de que lo que extraigan de ahí sea lo correcto. Así, el equipo de marketing o el financiero podrán centrarse en hacer análisis más sencillos que ayudarán al departamento de Business Intelligence a centrarse en análisis más estratégicos que a su vez, permitirán a los data scientists focalizarse en hacer modelos de Machine Learning o segmentaciones más complejas que puedan ayudar al objetivo final de la empresa. La clave es integrar a todo el negocio en esta estrategia de datos alineada, de manera que todos estén mirando a un reloj que marca la misma hora.
Para poder realizar esa conjetura y alineamiento del dato en toda la compañía, es vital contar con datos de calidad, fiables y suficientemente actualizados.
El día a día de las empresas es complejo y veloz y se van construyendo casos de uso muy rápido sin pararse a pensar en esa foto general estratégica. A veces, pensamos que cuantos más datos tenemos es mejor. Pero si esos datos no son buenos, ¿de qué nos sirven? Todo lo que se construya encima de ellos posiblemente no sea correcto. Por ello, la calidad del dato tiene que estar en el origen: si no has puesto cuidado a la hora de capturar los datos, se arrastran los problemas y a la hora de explotar esos datos va a salir todo a la luz.
Antes de ponernos a trabajar es necesario reflexionar sobre los datos que existen, cómo están estructurados y la calidad que tienen. Lo más importante es diseñar un ecosistema en el que todo esté ordenado progresivamente. Las empresas generan datos internos y compran datos externos continuamente, de tal forma que se genera una amplísima fuente de información que si desde el principio gobiernas y garantizas su calidad, te ahorrarás muchos costes y tiempo después.
Si ese ecosistema está bien diseñado, cada vez que entres en un proyecto diferente, esa información ya está muy trabajada internamente lo que ayuda a que cada proyecto resulte más sencillo que el anterior.
Al igual que las empresas cuentan con grandes retos en su competencia en el mercado, esa incertidumbre se traslada también a la tecnología.
En el mundo de las plataformas, conectividad y conexiones y en el que la digitalización avanza a la velocidad de la luz, van apareciendo nuevas herramientas y plataformas constantemente que se adaptan a las nuevas necesidades que van surgiendo.
Por ello, uno de los grandes retos de esta nueva ola tecnológica es que probablementetengamos que rediseñar y repensar más de una vez los procesos de ingeniería de software y la interrelación de sistemas informáticos que permitan en el futuro acoplar y desacoplar componentes según vayan apareciendo nuevas funcionalidades en el mercado.
Va a ser complicado comprometerse con un proveedor de cara a los próximos cinco años porque nadie puede garantizarte que en esos cinco años vaya a seguir siendo el líder, vaya a funcionarte bien o vaya a aparecer otro que encaje mejor con tus necesidades presentes. Cada día aparecen más startups intentando reactivar y escalar la tecnología y uno de los grandes desafíos es aprender a gestionaresta incertidumbre, adaptarnos en el menor tiempo posible y diseñar otros sistemas para estar listos para lidiar con los cambios.
En definitiva, en un mundo cada vez más digitalizado donde los datos se convierten en un activo estratégico y diferencial para las empresas, lo más importante es contar con una democratización de la información, una estrategia de datos alineada con la estrategia corporativa de la empresa y una visión 360º que permita que todos sean capaces de utilizar sus datos en las decisiones diarias y trabajar conjuntamente, sin que haya silos entre departamentos. Todo eso garantizando la calidad de lo que tenemos sobre la mesa, porque no por tener mucho lo vamos a hacer mejor. La fiabilidad y certeza de los datos es fundamental.
Otro de los puntos a destacar es asumir que la tecnología, las capacidades analíticas y las soluciones van evolucionando rápidamente y tenemos que estar a la vanguardia y anticiparnos porque enseguida vas a necesitar un cambio.