5 formas de maximizar el valor de la analítica de datos

Una cosa es reunir grandes cantidades de datos y aplicarles la analítica; muchas organizaciones lo están haciendo. Otra cosa es obtener un valor empresarial óptimo de esos datos y análisis.

0
3

Las empresas que han invertido fuertemente en herramientas de análisis pueden estar haciéndolo sin encontrar la forma de garantizar que el valor empresarial se derive realmente de sus esfuerzos. Esto puede ocurrir por varias razones.

A continuación, se ofrecen algunos consejos para garantizar que las inversiones en análisis den sus frutos y proporcionen información que marque la diferencia, en lugar de limitarse a generar informes atractivos que no digan gran cosa.

Alinear la analítica con los objetivos empresariales
Alinear más estrechamente los esfuerzos de TI con los objetivos empresariales de la organización, es un mandato clave del líder de TI para generar más valor a partir de los datos.

«La analítica de datos tiene que resolver problemas empresariales reales», comenta Dan Simion, vicepresidente de inteligencia artificial y analítica de la consultora tecnológica Capgemini, que asesora a los clientes sobre las mejores formas de maximizar las perspectivas y el valor de sus datos y analítica. «Comenzar con casos de uso que son específicos del negocio puede ser un gran enfoque para ganar la aceptación de más partes interesadas que pueden estar fuera de TI».

Esta estrategia ayuda al resto de la organización a ver el valor en varias áreas funcionales y unidades de negocio, porque los datos están impulsando resultados claros que son comprensibles en términos de negocio. «Empezar con el problema de negocio, desarrollar un caso de negocio y seguirlo, es fundamental para descubrir el valor de los datos», indica Simion. Como parte de este proceso, la alineación entre la empresa y las TI es fundamental, afirma.

Los analistas de datos y de TI tienen que trabajar con las unidades de negocio para encontrar ventajas en el mundo real y casos de uso interno, sostiene Gary Kern, CIO del proveedor de servicios financieros Middlefield Banking Co. «Esto ayuda a todo el mundo a entender el valor real y los beneficios del trabajo en equipo para llegar a él», añade.

Middlefield ha luchado por conseguir que algunas unidades de negocio sean más activas en el uso de decisiones basadas en datos y nuevos procesos basados en información más detallada, por lo que Kern ha trabajado «para encontrar a los primeros en adoptarlos dentro de esos departamentos con los que podemos asociarnos, para conseguir victorias y vender el valor a otros en esa área», señala.

El proveedor de servicios sanitarios UnityPoint Health comenzó a invertir en herramientas de análisis hace años y siguen dando sus frutos en sus hospitales de la red regional y comunitaria, en sus clínicas y en su división de atención domiciliaria, ayudando a gestionar la salud de la población y a abordar futuros problemas, señala su CIO, Laura Smith.

La fuerte alineación con los líderes empresariales es una de las principales razones del éxito. «Es imprescindible asociarse con el negocio para entender el problema que hay que resolver, o la oportunidad que hay que conseguir», anota Smith. «¿Qué es lo que queremos conseguir concretamente? ¿Qué datos importantes nos faltan ahora mismo?».

Una buena manera de empezar a construir una relación con la empresa es investigar el problema o la oportunidad reuniéndose con las partes interesadas y realizando observaciones sobre el terreno.

«Por ejemplo, nuestro equipo de análisis creó un modelo para intentar reducir el número de pacientes que tenían que ser readmitidos en nuestros hospitales», señala Smith. «Empezamos trabajando con el negocio para entender qué preguntas debía responder el modelo. Entre ellas estaban: ¿Quiénes son los pacientes adecuados para la intervención? ¿Qué medidas debemos tomar y cuándo debemos tomarlas?».

Como resultado de este modelo, un hospital redujo su tasa de readmisión a los 30 días en un 44% en dos años, superando los objetivos de rendimiento internos.

Conseguir la participación de los principales patrocinadores ejecutivos
Contar con patrocinadores ejecutivos o partes interesadas que puedan impulsar los resultados y las perspectivas de la analítica de datos puede ayudar a generar un mayor valor.

«Este defensor ejecutivo impulsa la adopción en toda la organización y puede ayudar a moldear el modelo operativo para permitir que la gente actúe con los conocimientos que se han extraído de los análisis», comenta Simion.

Con un alto nivel de aceptación y apoyo, «la empresa puede empezar a activar las conclusiones y obtener valor de ellas», afirma Simion. «Si simplemente se elabora un informe a partir de los resultados y nadie toma medidas, la empresa no obtendrá ningún valor. Los datos generarán los conocimientos, que se utilizarán para las decisiones empresariales en todos los niveles de las organizaciones, desde las acciones tácticas hasta las decisiones estratégicas».

Middlefield Banking formó un Consejo de Gobernanza de Datos (DGC, por sus siglas en inglés), que incluye al CIO, al CFO, al CMO y a otros dos o tres altos directivos en áreas de uso intensivo de datos, anota Kern.

Este grupo se reúne mensualmente para debatir cuestiones relacionadas con la «única versión de la verdad», la limpieza de datos, la calidad de los mismos, la evolución de los esfuerzos analíticos, y otras preocupaciones de alto nivel relacionadas con el análisis de la información y la propiedad de los datos», afirma Kern. «El DGC nos permite una manera de escalar las preocupaciones y asegurar que hay un órgano de toma de decisiones en el lugar para dirigir los esfuerzos a nivel superior.»

Actualice su modelo operativo y mida su éxito
Aunque el impulso de estar centrado en los datos es común entre las empresas en la era del negocio digital, muchas compañías siguen sin comprender el verdadero valor de la información.

Las empresas tienen que dejar de operar sobre la base de una «sensación visceral», y pasar a convertirse en organizaciones impulsadas por la información y los datos», afirma Simion.

Contar con un modelo operativo orientado a los datos crea una probabilidad de éxito mucho mayor, afirma Simion, y permite a las organizaciones ver el valor de sus análisis de datos más rápidamente, con un camino y una visión más claros de cómo alcanzar sus objetivos.

«Los datos, a través de los conocimientos, impulsarán el proceso de toma de decisiones», afirma Simion. «A través del nuevo modelo operativo, las personas dentro de la organización estarán motivadas para cambiar comportamientos, [y] el valor de los datos se logrará a un ritmo más rápido».

Pero para reconocer el valor resultante de un determinado conocimiento o dato, las empresas necesitan un marco para medir el éxito. «Esto ayuda a las organizaciones a evaluar su progreso actual, a hacer ajustes y a optimizar la forma en que están avanzando hacia sus objetivos de análisis de datos», indica Simion. «Al demostrar la cantidad de valor y los resultados impulsados por la analítica de datos a través de una capacidad de medición clara, ayudará a los líderes de datos a mostrar el retorno de cualquier inversión en analítica».

Establezca canales de datos con el valor del negocio en mente
Obtener valor de los datos no se consigue de la noche a la mañana ni mediante una fórmula mágica; requiere tiempo y esfuerzo.

Hace unos 20 años, Lonnie Johnson, CIO de la organización sanitaria KVC Health Systems, decidió empezar a desarrollar una estrategia de análisis a largo plazo en la empresa, que ha dado sus frutos a lo largo de los años. El primer paso fue organizar los datos en una base de datos relacional, lo que permitió al equipo de análisis categorizar los puntos de datos existentes.

«Normalizamos la información catalogando las líneas de negocio, las oficinas, los programas, los identificadores cronológicos, los tipos de transacciones y una serie de características sobre nuestros pacientes», comenta Johnson. «Recogimos y conectamos información de varias bases de datos y hojas de cálculo independientes».

A continuación, el equipo creó formularios digitales, aplicaciones e interfaces de usuario para transformar los documentos en papel de la empresa. También creó interfaces para esos documentos como forma de introducir información en las bases de datos en adelante.

«En nuestras interfaces de usuario reforzamos la integridad de los datos y aprendimos a autocompletar los campos en la medida de lo posible», señala Johnson. «Incluimos en gran medida a la comunidad de usuarios en el desarrollo de estas interfaces digitales, para asegurarnos de que estábamos captando un valor empresarial real. Todavía lo practicamos hoy».

El equipo creó constructores de consultas personalizadas en las aplicaciones, lo que permite a los usuarios extraer información de campos seleccionados basándose en descripciones de puntos de datos. «Esto liberó al equipo de datos para centrarse en análisis más avanzados», sostiene Johnson. «También animamos a los usuarios a dar su opinión sobre el constructor de consultas para ayudarnos a organizar mejor la información».

El equipo comenzó a capturar grandes cantidades de datos de texto y formularios en bases de datos NoSQL tanto para el desarrollo rápido como para el futuro procesamiento del lenguaje natural. «Si utiliza formularios digitales para encuestas, documentos legales, información de clientes o cualquier otro documento que pueda cambiar en cualquier momento, el uso de NoSQL puede agilizar la captura de datos y liberar a los desarrolladores para otras tareas más innovadoras», afirma Johnson.

La empresa invirtió en herramientas y conocimientos de ciencia de datos, con el objetivo de desarrollar estas habilidades necesarias en la empresa. «También encontramos un socio con el que podíamos trabajar regularmente para que nos ayudara a crear soluciones utilizando el aprendizaje automático para el análisis predictivo», anota Johnson. «Esta gama de [habilidades] in situ y la profunda experiencia externa se ha convertido en un nuevo servicio, que genera un suministro continuo de ideas procesables».

Aprovechar los socios o equipos multifuncionales para mejorar la precisión de los datos
Esto afecta a todas las áreas cubiertas anteriormente, especialmente la alineación de la analítica con el negocio y la actualización del modelo operativo. El equipo de análisis debe colaborar regularmente con los usuarios de la empresa para ayudar a garantizar el valor a través de datos de mayor calidad, o incluir a los usuarios de la empresa como parte de sus equipos interfuncionales.

«Asociarse estrechamente con los equipos empresariales de su organización crea una capa adicional de protección para la exactitud de los datos, lo que mejora la forma en que tanto los datos como los equipos empresariales aprovechan los datos que ven», comenta Jessica Lachs, vicepresidenta de análisis y ciencia de datos en la plataforma de pedidos y entrega de comida en línea DoorDash.

«Cuando hay más equipos que examinan los mismos datos, se tienen más ojos para detectar anomalías que la alerta automatizada podría pasar por alto», afirma Lachs. «La estrecha colaboración también garantiza que el equipo de datos construya una intuición empresarial para comprender mejor las aplicaciones prácticas de los datos que gestionan».

Esto permite al equipo ser autónomo y tomar mejores decisiones sobre la accesibilidad, la precisión y la escalabilidad en función de las necesidades del negocio, señala Lachs, que supervisa un equipo de análisis de 85 personas.

Otra clave es tratar los datos como moneda de cambio para evaluar las decisiones empresariales y las compensaciones.

«Creemos que cuantificando tantas cosas como sea posible, podemos evaluar mejor las compensaciones, determinar lo que está funcionando y lo que tenemos que mejorar, maximizando así nuestro impacto y construyendo un mejor producto», indica Lachs. «Para ello, debemos contar con cuantificaciones actuales y precisas de nuestras palancas empresariales clave, lo que constituye una parte fundamental de la hoja de ruta de mi equipo».

A partir de ahí, «podemos utilizar los datos para crear una moneda interna común que nos permita evaluar y comparar las compensaciones en términos similares: por ejemplo, si sería mejor reducir los gastos de envío en un dólar, o mejorar los tiempos de entrega en cinco minutos», comenta Lachs. «Si se puede plantear la cuestión en términos similares, como por ejemplo en términos de pedidos incrementales, entonces la compensación se hace más clara, y también el valor para el negocio».

Bob Violino CIO.com

Artículo anterior«La industria del software necesita más seguridad y transparencia»
Artículo siguienteForrester: En 2022 «las empresas deben ser audaces».