Hoy en día, es poco común encontrarse con un Director o Gerente que no reconozca sobre la necesidad de transformar la empresa en “Analytics Driven”.

Tal es la urgencia y la necesidad, que suena con fuerza en el mercado profesional los cargos como CHIEF ANALYTICS OFFICER (CAO) o CHIEF DATA OFFICER (CDO), ambos puestos cotizados y que lideran grandes inversiones empresariales para el análisis de datos.

Sin embargo, existen estudios que revelan resultados frustrantes en las compañías por los escasos proyectos exitosos de transformación analítica [i]

Este mismo estudio permitió encontrar lo que se consideran las “diez banderas rojas” que alertan sobre un potencial fracaso en los programas de Transformación Analítica en las organizaciones.

Revisaremos cada una de ellas, procurando guiar a nuestros lectores sobre alertas tempranas en un proceso de Data Driven Business y sugiriendo cursos de acción que les permita alcanzar un éxito justificado en este esfuerzo:

[i] En una encuesta realizada por McKinsey, se encontró que solo el 8% de 1000 encuestados con iniciativas analíticas lograron hacer proyectos escalables más allá del 1er proyecto piloto.

Todavía los ejecutivos carecen de un claro entendimiento sobre las posibilidades que la analítica tradicional (Business Intelligence) y la analítica avanzada (Inteligencia Artificial, Analítica Predictiva y Analítica Prescriptiva) pueden entregar a las organizaciones. Con este grado de confusión, es posible fijar expectativas falsas en cuanto al principal objetivo del programa analítico. Como consecuencia de esta primera bandera roja, es que los proyectos carecen de tracción y poco a poco pierden el interés de la alta dirección.

Con el entusiasmo del inicio del programa, se diseñan proyectos que traen beneficios en cada esquina de la organización, involucrando a todo el personal y haciendo gastos tecnológicos gigantescos. Esto produce proyectos lentos y con muchas variables de riesgo.

Gráfico 1.- Matriz de Priorización: La ilustración muestra un ejemplo de priorización de los proyectos con base en 2 variables, factibilidad e impacto al negocio.

Muchos de los ejecutivos encuestados confirmaron que se instauraron proyectos de analítica que arrojaron mucha información de valor, pero nunca se definió, previo al proyecto, qué tipo de decisiones se pueden tomar y quiénes serán los responsables de tomar aquellas decisiones.

Los ejecutivos a cargo no son capaces de definir qué tipo de talentos analíticos posee la organización, peor aún no saben dónde están localizados y si esas habilidades podrían ser mejoradas para los intereses de la organización.

Gráfico 2.- Mapa de Roles Analíticos y Responsabilidades.

Este rol es de vital importancia ante la variedad de datos y requerimientos de negocio. Se trata de contar con la persona que entiende las oportunidades de negocio y puede traducir el requerimiento a un Ingeniero y Arquitecto de Datos para estructurar la base de información. Las organizaciones no cuentan con un perfil alineado de este tipo y tampoco es sencillo conseguirlo.

Las empresas tienden a crear las capacidades analíticas en el área de TI o en un área centralizada. Ambos modelos alejan la posibilidad de encontrar oportunidades desde el interior de cada unidad de negocio, creando una estructura analítica organizacional poco efectiva, con cuellos de botella en las áreas centralizadas.

Los directores piensan que es indispensable limpiar los datos a través de toda la organización antes de cualquier proyecto de analítica. La experiencia dice que los proyectos millonarios de limpieza de datos duran muy poco, por cuanto la variabilidad de los sistemas de datos no permiten hacer un tracking sobre el origen y estabilidad de los mismos, haciendo que, según la encuesta de Mc Kinsey, el 70% en promedio de los recursos invertidos terminen en desperdicio.

Las compañías creen que, para entrar en un proceso de Transformación Analítica, necesitan cambiar la base de información. Incluso piensan en sustituir los sistemas transaccionales con inversiones extremadamente caras. Por lo general, los proyectos de analítica avanzada empiezan por la construcción de un LAGO DE DATOS, los cuales no están enfocados en principio fundamental de generar impacto y valor en el negocio.

Se conoce normalmente los costos de inversión en plataformas de analítica y otras inversiones tecnológicas, pero es sorprendente el desconocimiento que estos costos de inversión generan en la última línea de un PyG. Los indicadores que pretenden mirar este comportamiento están creados para medir el desempeño de los procesos, por tanto, son secundarios. Los indicadores prioritarios deben estar enfocados en medir la rentabilidad para el negocio en función del retorno que produce la nueva tecnología.

Existen historias de compañías que luego de implementar proyectos exitosos de analítica avanzada, tuvieron que recortar o dar de baja estos proyectos, dados los riesgos sociales, regulatorios o éticos que el análisis de datos produce en correlación con la privacidad de la información, por ejemplo.

Tomado de 10 banderas rojas en sus programas de analítica de McKinsey, 2018.