Cómo evitar que las organizaciones se ahoguen en un océano de datos

ADVERTENCIA: Este reportaje fue traducido por un sistema de traducción automática.

por Walter Sanches y Marcelo Salles

Ya se ha dicho mucho sobre la importancia de almacenar y analizar volúmenes inmensos de información en una organización. Sin embargo, comience cualquier iniciativa de la fecha grande sin primero identificar cuáles son las preguntas correctas que se deben hacer sobre su negocio, puede hacer que usted se ahogue en un océano de datos. A menudo, las correlaciones entre variables diferentes no tendrán ningún sentido. Por ejemplo, la relación entre el aumento del consumo de tubos de cobre y el aumento de la tasa de precipitación no es más que una simple hipótesis. Por lo tanto, cruzar la información sin identificar primero todas las variables podría ser, aparte de la pérdida de tiempo, un riesgo.

La información aislada muestra lo que sucedió en el pasado y cuál fue el resultado, pero cuando relacionamos acciones, objetivos y performance, podemos medir la efectividad de lo que se hizo y predecir escenarios. Hacer una analogía: es como un tanque de combustible de un vehículo lleno. Por sí sola no permite identificar mucho más allá del volumen en litros. Sin embargo, cuando se combinan con la motorización del vehículo, la distancia recorrida, el consumo medio, la ruta y la velocidad media, esta información nos permite aportar una visión analítica, explorando patrones y trazando conclusiones con bases concretas.

El gran requisito para sumergirse en este océano de información es tener un profundo conocimiento de la organización. Al tener una visión clara de la estrategia de su empresa – esencialmente implica una directriz de carta y un plan de negocios – puede identificar los datos que necesitamos para medir los resultados. Estos datos pueden provenir de varios sistemas, como CRM, información pública de sitios Web confiables de Internet (como ratings y IBGE), hojas de cálculo, entre otros. Además, es posible combinar esta información usando diversas tecnologías como almacenamiento, análisis y metodologías, incluyendo BSC (Balance Score Card), árboles de decisión, algoritmos predictivos y aprendizaje automático.

Con este crecimiento exponencial de la información y la facilidad de crear nuevos sistemas utilizando metodologías diferentes, es fácil perderse en el camino, ya que es necesario una visión analítica y una gran agilidad. De esta manera, gran parte de las empresas acaban generando sólo informes con datos descriptivos sobre el pasado, pero cuando elevamos el nivel de análisis a predictivo y preceptivo, la gente cambia sus modelos mentales y mira los datos pensando en el futuro.

En Resumen, las organizaciones siguen aprendiendo a trabajar en un ciclo ininterrumpido, en el que los sistemas son capaces de generar información y que, a su vez, se explotan para crear nuevos sistemas con nueva información y así sucesivamente.

El proceso de inteligencia de negocios es continuo. Necesitamos dar la vuelta y seguir los resultados de nuestras acciones, pero al mismo tiempo tener una mirada preventiva a los análisis predictivos que nos permiten tomar decisiones y actuar antes de que ocurran los problemas. Cuando este trabajo se hace, podemos evitar muchos dolores de cabeza, tales como fractura de la acción y la inactivación del cliente.

Aunque desafiante, invertir en grandes datos puede suponer una gran oportunidad para cualquier negocio. Para ilustrar una experiencia positiva, vale la pena mencionar un caso que asistí por Termomecanica, líder de la industria en el sector del cobre y sus aleaciones. Teníamos un alto volumen de datos con gran complejidad de análisis, por lo que desarrollamos un árbol de decisión del stock de productos acabados que, a través de él, permitían a nuestra herramienta estandarizar la decisión e informar al desarrollador de la acción a tomar para ese producto. Este proceso se llevó a cabo manualmente y tomó semanas, cuando terminó alguna información ya era irrelevante.

Para muchos, trabajar con la gran fecha es sinónimo de alta inversión, sin embargo, no hay ninguna regla que se relacione con el trabajo con la información a un costo determinado. Dependerá mucho del escenario de cada organización, como el objetivo establecido y el punto de partida: Si ya existe información y si es necesario crear nuevos sistemas para obtenerlas. Independientemente del escenario, si conocemos nuestro punto de partida y llegada, el retorno de esta inversión ciertamente vendrá. En casos como este, la información de trabajo es un diferencial competitivo y el valor ya no se medirá por "Cuánto cuesta hacerlo", sino por "Cuánto cuesta no hacerlo".

Aunque la inversión financiera se considera uno de los principales impedimentos al trabajar con grandes datos, poco está hablando de las implicaciones de un cambio en la cultura organizacional. Como hemos comentado anteriormente, teniendo a disposición un alto volumen de información, que se puede obtener de diferentes frentes, se requiere un intercambio de comportamientos del individuo. En definitiva, no tiene sentido crear una planificación estratégica, establecer una base de indicadores e invertir en sistemas, si las personas no están entrenadas para analizar los datos y, más que eso, si no incorporan el interés en la visión analítica.

Los desafíos son muchos, pero gratificantes. Para trabajar con el alto volumen de información para que el impacto sea positivo para el negocio de las empresas, significa que debemos centrarnos en su estrategia, evitando que sus empleados analicen datos innecesarios y estandarizando la manera de tomar decisiones.

* Walter Sanches y Marcelo Salles son respectivamente, Superintendente y Coordinador de Termomecanica, líder en el sector de la transformación del cobre y sus aleaciones.

NOTA: Aviso de exención de traducción automática; Este artículo fue traducido por un sistema automatizado, sin intervención humana. La Termomecanica São Paulo S.A. utiliza estas traducciones automáticas para ayudar a las personas que hablan inglés y español para aprovechar las noticias de la compañía. De esta manera, es posible que contenga errores de gramática, vocabulario o sintaxis.