Retail-Execution-Omni-Channel

Por Elio Espinoza, Gerente de Proyectos CPM de Novatech.

Seguramente ya habrá escuchado la frase: “El Big Data es el nuevo petróleo del siglo XXI”. Pero como diría Clive Humby, matemático y arquitecto de Clubcard de Tesco, “¿de qué sirve el petróleo si no se ha refinado? Este tiene que ser cambiado en gas, plástico o productos químicos para que sea de utilidad y que conduzca a una actividad rentable, por lo que los datos deben ser divididos y analizados para que generen valor.”

Asimismo, la mayoría está convencida del valor que tienen los datos, sin embargo, la pregunta que a hacerse es ¿cómo lograr que estos generen valor? ¿Qué se necesita para esto? ¿Cómo lo están haciendo otras empresas?

Para esto, existen algunos estudios que analizan cómo algunas empresas están generando valor a través de los datos. Uno de estos estudios es “Industrial Analytics 2016/2017” (1), elaborado por IOT Analytics. El estudio valida el estado de la analítica de datos en el ámbito industrial a través de una encuesta realizada a 151 profesionales de analítica y tomadores de decisiones, e indica que las 3 principales aplicaciones en este segmento están en el mantenimiento predictivo y prescriptivo de equipos (79% respondieron como muy importante), analítica relacionada a clientes (77%), así como también en el análisis de productos en campo (79%).

Estas empresas están moviéndose hacia tipos de analítica más sofisticada, como analítica en tiempo real, analítica predictiva e inclusive analítica prescriptiva.

Según otro estudio de la Universidad de Cambridge (2), el cual desarrolló un modelo de innovación basado en datos a través del análisis de empresas Start Up, así como empresas establecidas, indica que las firmas que desean desarrollar su negocio con base en datos deben responder 6 preguntas fundamentales:

  1. ¿Qué se quiere lograr mediante el uso de datos?
  2. ¿Cuál es la oferta deseada?
  3. ¿Qué datos se necesitan y cómo se van a adquirirlos?
  4. ¿De qué manera se va a procesar y aplicar estos datos?
  5. ¿Cómo se va a monetizarlo?
  6. ¿Cuáles son las barreras para lograr el objetivo?

Las respuestas a estas preguntas permitirán definir la estrategia y el modelo de negocio. Sin embargo, más allá de si se requiere desarrollar un modelo de negocio o si se quiere utilizar los datos para lograr mayor eficiencia, reducción de costos o mayores ingresos, las empresas deben considerar 3 elementos básicos:

Personas-Procesos-Plataforma

En esta entrada se va a considerar el primer elemento: PERSONAS. En entradas posteriores se abordarán los siguientes.

En lo que respecta al elemento de PERSONAS, se plantearán los roles, conocimientos y competencias que la industria sugiere. En el caso de los roles que más comúnmente se requieren, dependerá principalmente del grado de maduración analítica de la empresa. Esto es, en el caso de una empresa que tiene un grado de maduración incipiente, posiblemente no exista un rol claramente definido; y en el caso extremo, donde la empresa basa su negocio en la analítica de datos, seguramente existirá un equipo de trabajo con varios roles claramente definidos. Estos roles son los siguientes:

El Científico de Datos, cuyo perfil profesional se caracteriza por tener conocimiento estadístico, con profundo interés en tópicos cuantitativos, y un sólido entendimiento en algoritmos y estructura de datos, normalmente se enfoca en las siguientes actividades:

  • Crear el modelo de datos y desarrollar algoritmos para generar información concluyente.
  • Garantizar que la información derivada está siendo bien analizada, sea precisa y fácil de entender y no sesgada.

El siguiente rol es el del Ingeniero de Datos, que se caracteriza por ser un profesional técnico que trabajan con herramientas como HBase y cumple actividades como las siguientes:

    • Asegurar que todos los datos sean capturados y procesados correctamente en un ambiente distribuido.
    • Capturar, almacenar y procesar datos relevantes.
    • Data Collection, Data Warehousing, Data Transformation and Data Analysis – son manejados por los ingenieros de datos.

Y el Analista de Negocio, cuyo perfil se singulariza por contar con la habilidad para entender el modelo de negocio de la organización y tener las capacidades técnicas suficientes para representar un tablero de control de los datos del negocio en forma estructurada. Entre sus principales actividades están las siguientes:

    • Trabajar con herramientas de visualización relacionadas con el negocio e interactuar con la alta gerencia de la organización.
    • Coordinar el entendimiento de los objetivos del negocio e identificar las áreas de foco con  el ingeniero de datos y el científico de datos.

En el caso del estudio de analítica industrial (1) que cometamos anteriormente, inclusive se plantea un equipo humano más amplio en donde se incluye a un experto de la industria, un gerente de proyecto y, los tres roles antes mencionados, se amplían a cinco. Estos se observan en la siguiente tabla:

Roles_Personas_Ciencia de datos

Mientras que en el artículo “La industria de la ciencia de datos: ¿Quién hace qué?” (3), se indican hasta 8 roles relacionados con esta ciencia.

Esta diferencia en la cantidad de roles se la puede explicar en función de la etapa de maduración analítica en la cual se encuentra la empresa. En una etapa de maduración analítica naciente, es poco probable que podamos optar por tener un equipo humano tan amplio, por lo que se deberá buscar posiblemente una persona que pudiera tener los siguientes conocimientos:

    • Estadísticos y matemáticos.
    • Desarrollo de aplicaciones.
    • Manejo de base de datos.
    • Conocimiento de la industria.

En la medida que se vayan obteniendo resultados, es más probable que se requiera especializar cada miembro del equipo en tales conocimientos. Esa especialización debe darse entre diferentes personas debido a la complejidad que se irá sumando al desarrollar modelos cada vez más complejos y al aumentar tanto las fuentes de datos como el volumen de ellos. Esto también puede depender del tamaño de la organización, como nos lo indica un artículo de KD Nuggets (4) sobre ¿qué es más conveniente: un equipo o un individuo?

En el caso de la “Guía de Conocimientos para el Análisis de Negocios” (5), se mencionan 6 categorías de competencias que idealmente deberían tener las personas que forman parte de las áreas de analítica. Estos son:

    • Pensamiento analítico y resolución de problemas (pensamiento creativo, toma de decisiones, aprendizaje, resolución de problemas, pensamiento sistémico, entre otros).
    • Características de comportamiento (ética, responsabilidad, confiabilidad, adaptabilidad, entre otros).
    • Conocimiento del negocio (de la empresa, de la industria, de las soluciones y metodología).
    • Habilidades de comunicación (comunicación verbal, no verbal, escrita y de escucha).
    • Habilidades de interacción (facilidad de liderazgo e influencia, trabajo en equipo, negociación y resolución de conflictos, enseñanza).
    • Herramientas y tecnologías (de productividad, análisis de negocios, comunicación).

Todos estos roles, conocimientos y competencias están utilizando algunas de las empresas que basan su negocio en datos, así como también algunas buenas prácticas en lo que respecta al capítulo de PERSONAS. En nuestro mercado cada vez se observa en mayor medida la creación de áreas de Inteligencia de Negocio (BI – Business Intelligence) con roles similares a los indicados, principalmente en sectores como Comercio (Retail), Seguros, Finanzas, Telecomunicaciones, entre otros.

En una próxima entrada se abordarán los temas referentes a PROCESOS y PLATAFORMA para entender lo que otras empresas están haciendo al respecto para desarrollar su negocio basado en datos.

Grupo Novatech

Es la firma líder del Ecuador en Consultoría Estratégica e implementación de Soluciones Tecnológicas Empresariales. A lo largo de 22 años de trayectoria, ha servido con éxito a más de 600 empresas en el Ecuador y en la Región Andina, con soluciones tecnológicas líderes en el mercado mundial, siempre acompañadas con consultoría especializada para su sector y una estructura de soporte ágil.

Fuentes

(1) INDUSTRIAL ANALYTICS 2016/2017, IoT Analytics, December 2016.

(2) Data and Analytics – Data-Driven Business Models: A Blueprint for Innovation, University of Cambridge, February 2015.

(3) The Data Science Industry: Who Does What (Infographic), DataCamp, 2015, <https://www.datacamp.com/community/tutorials/data-science-industry-infographic#gs.WS28U94>

(4) Split on Data Science Skills: Individual vs Team Approach, KD Nuggets, 2014, <http://www.kdnuggets.com/2014/01/split-on-data-science-skills-individual-vs-team-approach.html>

(5)  Business Analysis Body of Knowledge, BABOK Guide v3, International Institute of Business Analysis, http://www.iiba.org/babok-guide.aspx