Buscar
  • INDICES - CognoSight

Los pasos necesarios para iniciar en Analítica de Negocios, y aún más allá, en la ciencia de datos



La ciencia de datos ha llegado con fuerza en las compañías y lo hizo para quedarse indefinidamente. Incluso publicaciones como Harvard Business Review definen el científico de datos como la profesión más "sexy" del siglo XXI. Un profesional que combina habilidades muy poderosas y extrañas como la manipulación de datos, analista, comunicador y asesor de confianza. Lo que sí es claro, es que la ciencia de datos es la evolución de la analítica de los negocios y la combinación de diferentes áreas interdisciplinarias como la estadística, las matemáticas, la informática y el modelado, entre otras.

Gran parte de las compañías en todos los sectores han iniciado esta carrera para incursionar en un mundo poco explorado. Si bien algunas han tenido avances importantes y han cumplido objetivos muy claros de negocio, ya se están enfrentando a otros problemas como el Big Data, donde la insuficiencia computacional no permite alcanzar el procesamiento necesario de los datos para llegar a modelos que sean favorables en aspectos de costo y eficiencia. En contraste, otro grupo de compañías, de las cuales me atrevería a decir que son la mayoría, hacen intentos por acercarse a este mundo de la ciencia de datos creando posiciones en las compañías como Inteligencia de Negocios o Analítica en los Negocios, donde se usan los datos brutos para entender los problemas y el contexto actual para tomar decisiones comerciales y de negocio óptimas. En este esquema, lo que se puede lograr, antes de llegar a lo que realmente es la ciencia de datos, es probablemente el diseño de modelos para predecir acciones futuras y hacer simulaciones de mercado.

Otra posición que consideramos es errónea desde cualquier punto de vista, es negar la existencia de la ciencia de datos y ni siquiera emprender la carrera para poder entender de qué manera puede contribuir al avance del negocio. Posiciones como estas son las que quiebran negocios como Blockbuster, que al no avanzar en procesos de innovación y de adaptación a nuevas tecnologías, pueden pasar de valer millones de dólares a un cierre definitivo de sus operaciones a nivel mundial. Y para comprobar estas posiciones erróneas de las compañías, sólo basta con citar a grandes empresarios como Álex Rovira, un escritor, economista y consultor español, quien en una de sus conferencias plantea un ejercicio de lanzamiento de una moneda y dice lo siguiente: Si lanzo una moneda hay un 50% de probabilidad de cualquiera de los dos resultados, cara o sello. Pero si recopilo información de presión de aire, temperatura, humedad, velocidad en que se lanza, entre otras variables, luego introducimos toda esta información a un computador, podríamos predecir el resultado y posteriormente, la probabilidad de éxito puede ser incluso de un 80%. Cosas similares como estas pasan en el mercado y en los negocios: Si las compañías miden constantemente la experiencia de los clientes, la efectividad comercial, el comportamiento de los clientes, sus necesidades, entre otros factores, se puede predecir en cierto modo variables como las ventas, o por lo menos acercarnos a un entendimiento claro del rol de nuestro consumidor en el negocio.

En el año 2019, en conjunto con Revista P&M empezamos a entender a través del CMO Tracker, -que se realiza de forma anual-, qué es lo que frena la adopción tecnológica en las compañías. Por un lado, comprendimos que la apropiación tecnológica por parte de los CMO es muy baja, debido a que la urgencia de tener una presencia digital con sus marcas, ha llevado a una apropiación de otros aspectos relacionados con las redes sociales, analítica web y sitios web propios. Por otro lado, cuando hablamos de Inteligencia Artificial, surgen más preguntas y reflexiones que datos concretos y claros sobre los objetivos que se están planteando las compañías para abordar estos temas que son claves en la ciencia de datos. Los principales obstáculos que han impedido que los directivos de mercadeo desarrollen estrategias con inteligencia artificial son el desconocimiento, las herramientas y el costo de esta metodología. Con esto hay dos conclusiones importantes que todas las compañías deben tener en cuenta:

1. Los directivos de mercadeo son los llamados a emprender esta carrera, a entender conceptos como Machine Learning, Big Data, Inteligencia Artificial, y cómo se debe comenzar para iniciar de una manera eficiente. ¿Quién más que el experto en temas de mercado, conocimiento de consumidor y comunicación efectiva, que el directivo de mercadeo para abordar la ciencia de los datos, y profundizar en un tema que es clave hoy en día para generar diferencia de valor con sus productos y servicios?

2. La ciencia de datos comprende un tema técnico que no es fácil de apropiar desde el inicio, requiere tiempo y dedicación para abordarlo de una manera correcta. Un directivo de mercadeo no puede abordar estos temas a la ligera y aprenderlos de un momento a otro, para ello se necesitan aliados expertos o personas con mucha experiencia técnica que apoyen este proceso.

Desde INDICES hemos identificado 3 pasos fundamentales que las compañías, especialmente desde la perspectiva de mercadeo, deben tomar al momento de encontrar un aliado externo o interno en la ciencia de los datos:

1. Su aliado debe entender el contexto del negocio: Es el paso más importante y el más común donde fallan las compañías. Un aliado que no tenga claro quién es el consumidor, cuáles son las variables que juegan un rol más importante en el negocio y cuál es el impacto del producto o servicio en el mercado, no contribuirá de manera óptima la adopción de la ciencia de datos o incluso en la analítica de los negocios, así se tengan niveles técnicos muy altos.

2. Establecer un objetivo claro de análisis: Ya sea predicción del negocio, entendimiento del consumidor o segmentación en la comunicación, se debe tener un objetivo puntual que nos permita introducir los conceptos de la ciencia de datos en darle sentido al proceso de adopción. No se puede llegar a conceptos tan profundos como Machine Learning, Big Data, Inteligencia Artificial, e incluso temas como Computación Cuántica si no tengo un objetivo inicial que ayude a comprender el impacto sobre el negocio.

3. Un aliado muy técnico, pero no tanto: Su aliado en la ciencia de datos debe estar dispuesto a renunciar en muchas ocasiones a aspectos técnicos que van en contravía de decisiones que deben tomarse simplemente por conocimiento o evidencia clara del mercado o del negocio.

Por último, lo que nunca debe parar de hacer es medir. Mida todo lo que es relevante para su negocio, la experiencia del cliente, efectividad comercial, impacto de su producto en el mercado, la competencia, todo lo que realmente alimente sus KPIs dentro de la compañía, porque en algún momento, cuando haya emprendido este gran mundo de la ciencia de datos, agradecerá tener suficiente información para generar modelos predictivos que contribuyan al avance de su negocio.

Sebastián Quintero Osorio

Director de Analítica y Proyectos

squintero@indices.com.co



0 vistas