Escrito por En un proyecto de analítica reciente, identificamos las principales dificultades que presenta la organización en materia de análisis de datos. Que es precisamente «sacar provecho a la gran cantidad de información que se genera, y se sigue generando».
Para permanecer competitivo y enfocado en la transformación digital se ha definido cómo un reto crucial, contar con la data correcta, para el usuario correcto, en el momento correcto.
- Situación Actual
Se han dado iniciativas de Inteligencia de Negocios, que apoyan parcialmente la estrategia de la organización, pero se identifican los siguientes síntomas:
- Hay poca comunicación entre áreas
- No hay un claro vínculo entre la información y las decisiones a tomar.
- Hay mucha inversión del tiempo en armar reportes para entender que sucedió y poco tiempo en identificar ¿por qué sucedió? ¿qué pasará en el futuro? ¿qué debo hacer?
Reconociendo esta problemática, se identificó que 2 palancas claves en la estrategia organizacional, son:
Conocimiento profundo del cliente y,
el “ajuste adecuado” de la oferta de valor a cada perfil de cliente.
¿Pero… cómo aprovechamos esos millones de registros de forma eficiente y efectiva, para impulsar estas palancas?
2. ¿Por qué necesitamos una estrategia de datos?
Todas las empresas deben contar con una estrategia de datos. Solo mediante la definición clara y concisa de esta estrategia de datos garantizaremos la toma de decisiones de forma potente. Lograremos:
- Alinear la gestión de datos a la estrategia global.
- Enfocar los esfuerzos, a lo que permite alcanzar los objetivos.
- Priorizar las acciones, que aporten mayor valor.
Esta estrategia no es una iniciativa aislada, debe contar con un programa de inclusión de actores claves que permitan en el tiempo su sustentabilidad. Iniciando con equipos multidisciplinarios hasta evolucionar a un departamento responsable de los datos.
3. ¿Un ejemplo de cómo aterrizar la estrategia de datos?
Nuestro el modelo planteado tiene 4 elementos claves:
- Alinear el uso de los datos a nuestra estrategia para descubrir causas y patrones de conducta, mediante analítica básica o modelos sencillos. En analítica los modelos simples (usualmente se considera simple cuándo tiene pocas variables) son más fáciles de explicar y de accionar.
- Descomponer los indicadores en sus raíces para generar insights de forma rápida y efectiva, que identifique los “pre-insights” de forma automática. Los pre-insights es información que te da señales de causas o explicaciones del resultado.
- Evaluar la data de forma constante para “perfilar” mejor a los clientes, con la captura de información óptima, no más, ni menos.
- Basada en un modelo de prueba para identificar si la estrategia tomada es consistente con el resultado que queremos lograr
¿Qué es eso de las raíces dentro de la estrategia de datos? Durante mi experiencia en estrategia y liderando unidades de negocios por más de 15 años, es muy común ver a los tomadores de decisión “mirar” el resultado final, y explicar los cumplimientos o incumplimientos con una «historia» o una prosa, en vez de aterrizar con otros indicadores específicos.
Por ejemplo: una explicación accionable a una desviación es, el cierre de venta estuvo 5% por debajo de lo esperado, la cantidad de clientes que se le hizo una oferta fue de 12% inferior a los presupuestado, pero el precio de venta fue 2% mayor. Eso hizo que quedáramos al 98% de la meta. A su vez cada uno de estos indicadores se descompondría en sus raíces, de tal forma que se llegue a la causa real cuantificable del incumplimiento.
Otro ejemplo financiero: Sería cómo explicar un déficit de 2% en el retorno de los activos, en comparación a lo esperado. Y que indique que 0.5% de ese déficit lo generó el precio de venta, 1% las unidades vendidas y 0.5% una variación inesperada en los activos. De forma cuantitativa y automática. Mostrando dónde está el mayor impacto. Esto facilita orientar la toma de decisión en vez de explicar cualitativamente porque no se dio el resultado. También reduce el tiempo de búsqueda del por qué y enfocar los esfuerzos a lo que genera mejores resultados con ayuda del análisis de datos.
Impulsar las decisiones mediante datos, nos llevará a una dinámica de crecimiento dónde descubriremos patrones que actualmente no conocemos. Aplicaremos ese conocimiento para incrementar la rentabilidad de la organización de forma consistente en el tiempo.
Estrategia de Datos 