Cómo usar la analítica descriptiva para fomentar la cultura de datos

Según un artículo de Harvard Business Review, el porcentaje de las empresas que se identifican así mismas como basadas en datos ha venido disminuyendo, como se muestra en la siguiente gráfica:

Y esto no se debe a falta de inversión, así como tampoco en la asignación de nuevo roles, como el de Chief Data Officers (CDO), que pasó del 12% en el 2012 al 68% de las organizaciones encuestadas. De estas organizaciones, el 93% de ejecutivos respondieron que el mayor obstáculo está en los procesos y las personas. Ellos identifican que el cambio cultural ha sido desestimado (40.3% identifica una falta de alineamiento organizacional y un 24% indica una resistencia en la cultura como los factores de esta falta de adopción). De hecho, según Gartner, la alfabetización de datos es la segunda razón clave que impide que las empresas se vuelvan impulsadas por los datos y, a la fecha, el 50% de las organizaciones carece de suficientes habilidades de alfabetización de datos e inteligencia artificial para lograr valor empresarial.

Personas, procesos y tecnología. Estos son los tres elementos comunes a todo cambio empresarial. Pero ahora, cualquier organización que esté experimentando una transformación digital debe tener en cuenta un cuarto elemento clave: los datos.

¿Entonces cómo podemos desarrollar la cultura basada en datos? Existen algunas estrategias y acciones que hay que llevar a cabo, siendo una de ellas la ejecución de analítica descriptiva, la cual permite interpretar datos históricos para entender mejor el desempeño del negocio en el pasado.

En pocas palabras, permite responder a la pregunta «¿Qué ha pasado?”, usado datos históricos. Por ejemplo, ¿Cuáles fueron las ventas del mes pasado?, ¿Quiénes son los principales vendedores?, ¿Cuál es el producto con mayor defecto? Preguntas que forman la base de la estrategia analítica y que están asociadas a los indicadores claves de desempeño (KPI´s) y que miden el desempeño de la organización.

Para desarrollar la analítica descriptiva y ayudar a impulsar la alfabetización de datos se debe considerar los 3 siguientes aspectos:

Una técnica para construir la cultura basada en datos es usar los datos para hablar, y esto se puede hacer construyendo conjuntos de datos de calidad. En este sentido, a continuación, se presentan los tres pasos clave para construir una cultura basada en datos en la empresa.

• Perfile los datos y solucione problemas de calidad: Corresponde al proceso de examinar los datos disponibles y coleccionar estadísticas al respecto, además verificar la calidad de estos para lo cual es importante considerar los siguientes aspectos:
  • Identifique las dimensiones de calidad de datos que podrían ser relevantes
  • Arregle los problemas desde el sistema origen
  • Evite la repetición de los problemas definiendo la propiedad de los datos en el punto de ingesta o creación
• Permita el acceso a datos no sensitivos
• Empodere a los usuarios a utilizarlos a través de herramientas que faciliten su uso

Un canal de flujo de datos es un mecanismo para extraer datos desde múltiples fuentes, almacenarlos en un repositorio (Datawarehouse o Datalake) con el fin de que a través de dicho repositorio se pueda realizar la analítica correspondiente. Lo importante aquí es el proceso de integración tanto de fuentes internas como sistemas ERP’s, CRM’s u hojas de cálculo, o externas como redes sociales o bases de datos comerciales. Este canal de flujo de datos se lo puede dividir en 3 grandes capas:

• Captura: Implica el proceso de colección de datos desde diferentes fuentes, desde los sistemas internos (ERP, CRM, etc.) hasta dispositivos de IoT, páginas web, entre otros medios.
• Transformación: Una vez los datos son capturados, se los extrae desde las diferentes fuentes de información, para hacer labores de integración, validación y limpieza, así como la aplicación de reglas de negocio, agregación hasta la creación de datamarts o modelos estadísticos que puedan ser utilizados posteriormente.
• Visualización: los datos son entregados para su uso a los diferentes tipos de usuarios de negocio a través de diferentes herramientas con el fin de facilitar su uso.

El concepto detrás de este canal de flujo de datos es que se facilite transformar los datos crudos o brutos en hallazgos (insights), tal como se observa en la siguiente figura:

Actualmente, este canal de flujo de datos puede ser construido por diferentes herramientas y tecnologías tanto en un ambiente on-premise como cloud, para lo cual algunas de ellas facilitan la implementación de buenas prácticas de gestión de datos a través de estrategias en desarrollo como DataOps.

Finalmente, ya con los datos preparados en el canal del flujo de datos, los usuarios pueden hacer uso de ellos de una manera más confiable (dado que se han realizado procesos de validación y calidad previamente) y gobernada (esto implica que existe solo una versión de los datos, los cuales han sido previamente transformados y a los cuales se les aplicó una sola lógica de negocio en lugar de tener varias versiones que se pudieron haber creado en diferentes silos).

A partir de aquí es importante permitir que los usuarios utilicen los datos a través del desarrollo de tableros (dashboards) previamente elaborados, así como con la creación dinámica de otros para el análisis y definición de estrategias.

Considerando esto aquí podríamos clasificar los tableros en tres tipos (Supervisión, Análisis y Detalle):

Adicionalmente, es necesario considerar los gráficos que se deben seleccionar al momento de crear los tableros dependiendo de la historia que se quiera contar. A continuación, mostramos una imagen como guía al respecto.

BIBLIOGRAFIA

• Companies Are Failing in Their Efforts to Become Data-Driven, by Randy Bean and Thomas H. Davenport, Feb/2019, Harvard Business Review
• Fostering Data Literacy and Information as a Second Language: A Gartner Trend Insight Report, Feb/2018, Gartner
• Analytics best practices, Prashanth H Southekal, 2020