Por Alejandro Bianchi
En un mundo en donde la competencia es cada vez más feroz, en donde un producto o servicio tradicional puede desaparecer del mercado en semanas debido a la aparición de alternativas disruptivas que cambian las preferencias y hábitos de los consumidores, surge la necesidad imperiosa por parte de los directivos de las empresas de disponer de información oportuna y en muchos casos, en tiempo real.
El objetivo será determinar las acciones a seguir en diferentes niveles de su estructura corporativa: tomar decisiones de diseño de productos, mejorar su salida al mercado, anticipar las necesidades y estado de ánimo de sus clientes para estar presente con alternativas que le hagan su vida más sencilla y direccionar su atención hacia un determinado producto o servicio. El Big Data apalancará este nuevo escenario corporativo.
Big Data no es solo tecnología. La única manera de tomar decisiones acertadas es cuando se dispone de información objetiva, repetible, accesible y veraz, entre otros atributos. Cuando me han preguntado que entiendo por una organización madura, siempre respondo que “Una organización madura es aquella que resuelve sus problemas y desafíos en base a información objetiva”, (conocido también como Data Driven Culture) caso contrario, serán solo un grupo de personas con opinión.
Por lo tanto el primer paso para poder tomar decisiones en base a información objetiva, es modificar la cultura organizacional, ir de una estructura basada en sensaciones e intuiciones a una que sustenta sus decisiones en la capacidad de gestionar por mediciones de diferentes tipos y alcances.
Si bien parece algo evidente, muchos proyectos de Data W (del inglés Data Warehouse) y BI (del inglés Business Intelligence), han fracasado, no tanto por la tecnología sino más bien porque la organización no supo adaptar su cultura a una nueva forma de gestionar o porque IT no logró garantizar un gobierno de la información que diera confianza a los niveles decisorios, más allá de la incorporación de la última tecnología.
Según NewVantage Partners en su quinta encuesta anual sobre Big Data, el 85{66ff23020a1ef607eebbeb0d012b2248c66d866c121265723dca700c591440fb} de los encuestados respondieron que tenían o habían ejecutado programas para orientar la empresa hacia una cultura centrada en datos, pero solo el 37{66ff23020a1ef607eebbeb0d012b2248c66d866c121265723dca700c591440fb} podrían mostrar resultados positivos.
Nivel 1. Análisis descriptivo
Permite responder a preguntas tales como ¿Cómo se distribuyeron las ventas este último mes?, ¿Qué sucursal tuvo más reclamos?, etc. Básicamente brinda un estado en un momento dado del tiempo sobre una o más variables del negocio. Tiene baja complejidad de elaboración y su aporte, si bien puede ser clarificador, no es de gran valor para decisiones estratégicas.
Nivel 2. Análisis de diagnóstico o de “espejo retrovisor”
Permite analizar los hechos pasados para ver qué acciones podemos tomar para mejorar en el futuro. ¿Por qué vendimos un 10{66ff23020a1ef607eebbeb0d012b2248c66d866c121265723dca700c591440fb} menos el mes pasado?, ¿Cuáles son las razones por un éxodo masivo de clientes en la zona de mayor venta? Trabajar con los datos en un análisis causa/efecto para decidir acciones de mejoras son actividades típicas de este estadio.
La elaboración de esta información es de nivel mayor de complejidad pero tiene un aporte significativo de valor dado que permite mejorar a futuro evitando errores o situaciones no deseadas de manera recurrente.
Nivel 3. Análisis predictivo
Desde el punto de vista de complejidad el análisis predictivo requiere de tecnología que soporte importantes volúmenes de información y complejos modelos estadísticos sumados a una estrategia robusta de gobierno de datos que asegure consistencia de la información en todo momento. El valor que aporta al negocio es importante dado que le permite predecir los resultados y anticipar ajustes para alcanzar las metas deseadas.