Una estrategia de DataDriven requiere necesariamente desarrollar 3 capacidades, obtener los datos de valor , construir modelos que entreguen conclusiones de valor empresarial y transformar la cultura organizacional para utilizar estos resultados.

Una estrategia de Data requiere tres capacidades de apoyo mutuo. En primer lugar, las empresas deben ser capaces de identificar, combinar y gestionar múltiples fuentes de datos. En segundo lugar, necesitan la capacidad de construir modelos analíticos avanzados para predecir y optimizar los resultados. En tercer lugar, y lo más crítico, la dirección debe poseer el músculo para transformar la organización de modo que los datos y modelos realmente produzcan mejores decisiones. Dos características importantes sustentan esas competencias: una estrategia clara sobre cómo utilizar los datos y los análisis para competir y el despliegue de la arquitectura y las capacidades tecnológicas adecuadas.

Igual de importante, una visión clara del impacto empresarial deseado debe dar forma al enfoque integrado del abastecimiento de datos, la creación de modelos y la transformación organizativa. Eso te ayuda a evitar la trampa común de empezar preguntando qué pueden hacer los datos por ti. Los líderes deben invertir suficiente tiempo y energía en alinear a los gerentes de toda la organización en apoyo de la misión.

Elegir los datos adecuados

El universo de datos y modelado ha cambiado enormemente en los últimos años. El volumen de información está creciendo rápidamente, mientras que las oportunidades para ampliar la información mediante la combinación de datos se están acelerando. Los datos más grandes y mejores ofrecen a las empresas vistas más panorámicas y granulares de su entorno empresarial. La capacidad de ver lo que antes era invisible mejora las operaciones, las experiencias de los clientes y la estrategia.

Datos de origen de forma creativa

A menudo, las empresas ya tienen los datos que necesitan para abordar los problemas empresariales, pero los gerentes simplemente no saben cómo pueden usar esta información para tomar decisiones clave. Es posible que los ejecutivos de operaciones, por ejemplo, no capten el valor potencial de los datos diarios u horarios de fábrica y de servicio al cliente que poseen. Las empresas pueden fomentar una visión más completa de los datos siendo específicas sobre los problemas empresariales y las oportunidades que necesitan abordar.

Los gerentes también necesitan ser creativos sobre el potencial de las fuentes de datos externas y nuevas. Las redes sociales generan terabytes de datos no tradicionales y no estructurados en forma de conversaciones, fotos y vídeos. Añádase a eso los flujos de datos que fluyen desde sensores, procesos monitoreados y fuentes externas que van desde la demografía local hasta las previsiones meteorológicas. Una forma de impulsar una reflexión más amplia sobre los datos potenciales es preguntar: “¿Qué decisiones podríamos tomar si tuviéramos toda la información que necesitamos?”

Obtener el soporte técnico de TI necesario

Las estructuras de TI legadas pueden obstaculizar nuevos tipos de abastecimiento, almacenamiento y análisis de datos. Las arquitecturas de TI existentes pueden impedir la integración de información aislada, y la gestión de datos no estructurados a menudo permanece más allá de las capacidades de TI tradicionales. Resolver completamente estos problemas a menudo lleva años. Sin embargo, los líderes empresariales pueden abordar las necesidades de macrodatos a corto plazo trabajando con los CIO para priorizar los requisitos. Esto significa identificar y conectar rápidamente los datos más importantes para su uso en análisis y luego montar una operación de limpieza para sincronizar y fusionar los datos superpuestos y evitar la información que falta.

Construir Modelo que optimicen resultados empresariales

Los datos son esenciales, pero las mejoras de rendimiento y la ventaja competitiva surgen de modelos de análisis que permiten a los gerentes predecir y optimizar los resultados. Lo que es más importante, el enfoque más efectivo para construir un modelo generalmente comienza, no con los datos, sino con la identificación de una oportunidad de negocio y la determinación de cómo el modelo puede mejorar el rendimiento. Hemos descubierto que dicho modelado basado en hipótesis genera resultados más rápidos y modelos de raíces en relaciones prácticas de datos que son más ampliamente comprendidas por los gerentes.

Recuerda también que cualquier ejercicio de modelado tiene un riesgo inherente. Aunque los métodos estadísticos avanzados hacen indiscutiblemente mejores modelos, los expertos en estadística a veces diseñan modelos que son demasiado complejos para ser prácticos y pueden agotar las capacidades de la mayoría de las organizaciones. Las empresas deberían preguntar repetidamente: “¿Cuál es el modelo menos complejo que mejoraría nuestro rendimiento?

Expandir las capacidades de tu empresa

La principal preocupación que nos expresan los altos ejecutivos es que sus gerentes no entienden ni confían en los modelos basados en big data y, en consecuencia, no los utilizan.

Tales problemas a menudo surgen debido a un desajuste entre la cultura y las capacidades existentes de una organización y las tácticas emergentes para explotar el análisis con éxito. Los nuevos enfoques no se alinean con la forma en que las empresas realmente toman decisiones o no proporcionan un plan claro para alcanzar los objetivos empresariales. Las herramientas parecen estar diseñadas para expertos en modelado en lugar de para personas en primera línea, y pocos gerentes encuentran que los modelos sean lo suficientemente atractivos como para defender su uso, un fallo clave si las empresas quieren que los nuevos métodos impregnen la organización. En resumen: el uso de macrodatos requiere un cambio organizativo reflexivo, y tres áreas de acción pueden llevarte allí.

Desarrollar análisis relevantes para el negocio que se puedan poner en práctica

Muchas implementaciones iniciales de macrodatos y análisis fallan porque no están sincronizadas con los procesos cotidianos y las normas de toma de decisiones de una empresa. Los diseñadores de modelos necesitan entender los tipos de juicios comerciales que hacen los gerentes para alinear sus acciones con objetivos más amplios de la empresa. Las conversaciones con los gerentes de primera línea garantizarán que los análisis y las herramientas complementen los procesos de decisión existentes, para que las empresas puedan gestionar una serie de compensaciones de manera efectiva.

Insertar análisis en herramientas sencillas para las primeras líneas

Los gerentes necesitan métodos transparentes para utilizar los nuevos modelos y algoritmos a diario. Por necesidad, se requieren terabytes de datos y un modelado sofisticado para agudizar el marketing, la gestión de riesgos y las operaciones. La clave es separar a los expertos en estadística y a los desarrolladores de software de los gerentes que utilizan la información basada en datos. El objetivo: dar a los gerentes de primera línea herramientas e interfaces intuitivas que les ayuden con sus trabajos.

Desarrollar capacidades para explotar los macrodatos

Incluso con modelos simples y utilizables, la mayoría de las organizaciones tendrán que mejorar sus habilidades analíticas y su alfabetización. Para que el análisis forme parte del tejido de las operaciones diarias, los gerentes deben verlo como fundamental para resolver problemas e identificar oportunidades. Los esfuerzos variarán, dependiendo de los objetivos de una empresa y del calendario deseado. El ajuste de las culturas y las mentalidades normalmente requiere un enfoque multifacético que incluya formación, modelado a seguir por parte de los líderes e incentivos y métricas para reforzar el comportamiento. Los estudiantes adultos, por ejemplo, a menudo se benefician de un enfoque de “campo y foro”, en el que participan en decisiones del lugar de trabajo basadas en análisis del mundo real que les permiten aprender haciendo.