Un Data Supply Chain confiable para tomadores de decisión

En el mundo de los negocios -cada vez más digitales- resulta extremadamente importante el aprovechar los momentos claves de negocio.

A continuación, lo ilustramos con un ejemplo real que sucede en nuestras organizaciones: Un pedido inesperado de venta agota el stock de uno de los ítems con la mejor rotación y margen de ganancia en una empresa comercializadora. Este evento se convierte en un momento clave de negocio para el equipo de planificación de compras y logística, así como también para el equipo comercial y para el personal de servicio al cliente en un front desk. Algunas preguntas importantes que resolver: ¿El pedido inesperado realmente es único e irrepetible? ¿Es necesario incrementar los pedidos de compra de este ítem? ¿Puedo reabastecer inmediatamente los inventarios de este ítem? ¿Es muy tarde para hacerlo?

Al igual que este momento clave de negocio, existen muchos otros en todos los sectores: Un cliente clase A hace una solicitud de crédito realmente relevante en una institución financiera. Un cliente clase A comienza a incrementar su cartera vencida en forma sospechosa. Etc.

Estos momentos clave de negocio se puede manejar adecuadamente si la organización dispone de una cadena de abastecimiento de datos, o Data Supply Chain, confiable.

Las empresas en la actualidad necesitan una relación dinámica con los datos, desde el momento mismo en que estos se generan. En pocos segundos, un dato que cambia puede disparar en forma proactiva una serie de reacciones positivas para el negocio: decisiones de planificación, decisiones de contacto con clientes, entre muchas otras. En tanto que decisiones no tomadas pueden disparar el riesgo económico y de credibilidad de la compañía.

Contar con un Data Supply Chain eficiente implica consideraciones en la arquitectura tecnológica empresarial, la cultura y conocimiento de analítica de datos de la gente, y la reacción de los procesos a esta cadena.

Para comprender mejor este concepto, podemos separarlo de dos fases. Por un lado, la fase de Habilitación del Dato y, por otro, la fase de Optimización del Dato.

La primera fase se refiere a todo el proceso de colección, ingesta y movimiento de datos para tener analítica en tiempo real.

La recolección de datos provenientes desde múltiples fuentes es el inicio de una cadena de suministro de datos confiable. Sin importar si el dato es generado en una aplicación de negocio on-premise, reside en una arquitectura cloud, o parte de un dispositivo IoT, en cualquier formato, es necesario colectarlo para iniciar el viaje de transformación.

En ese sentido, hemos podido constatar en muchos estudios de analítica y de gobierno de datos, que las organizaciones solamente pueden capturar un bajo porcentaje de los datos que generan. Las cifras varían mucho, pero un rango probable es que tan solo entre el 30% y 40% de los datos organizacionales pueden ser analizados, dados los altos costos de ensamble de procesos de Colección e Integración de Datos.

Asimismo, para poder aprovechar los momentos claves de negocio, la provisión de los datos en tiempo real es fundamental. De otra manera, estos momentos claves solo serán mirados como datos históricos y extemporáneos. En el mundo de la analítica, es habitual que los datos sean procesados en forma pasiva, mediante la carga de datos históricos por lotes, preconfigurados y que representan eventos pasados sin que generen mucho valor para el aprovechamiento de los momentos clave.

Como se puede observar, esta primera fase debe permitir, simultáneamente, la limpieza, la homologación, la catalogación y el almacenaje de datos. Tradicionalmente, este proceso ha sido complejo y demandante en tiempo.

La buena noticia es que hoy en día las plataformas han evolucionado de tal manera que han logrado simplificar escenarios complejos en menor tiempo, tales como la Captura de Datos Modificados (Change Data Capture – CDC, por sus siglas en inglés), Datawarehouse Automation, Data Application Automation, etc.

Por otro lado, el linaje de datos permite conservar la trazabilidad de la transformación y movimiento del dato, logrando una arquitectura gobernable y eficiente para el crecimiento futuro.

La fase de Optimización del Dato guarda similitud con una cadena de suministro comercial en el sentido en que el dato es el equivalente al artículo en una tienda minorista. El momento de la verdad se da cuando el consumidor acude a la tienda habitual buscando un artículo de la marca deseada, en la presentación esperada, hasta hallarlo en la estantería. La otra cara de la moneda es el mismo consumidor que acude a la tienda para toparse con que el artículo deseado no se encuentra en ese momento.

Así de simple es la comparación: ¿el consumidor encontró lo que buscaba en el momento apropiado, en el sitio indicado y en la presentación correcta? Si no lo consiguió, todo el esfuerzo de la primera fase, la Habilitación del Dato, es insuficiente.

Por tanto, la fase de optimización de una Data Supply Chain eficiente debe contar con:

1. Reacción inmediata: detectar tan pronto como sea posible eventos clave de negocio para tomar acciones correctivas y preventivas en favor de capitalizar el momento. Cabe notar que estas reacciones se logran bajo las siguientes dos premisas: a) El analista ha sido entrenado bajo el concepto de Literatura de Datos; esto significa que tiene habilidades y conocimientos para interpretar diagramas analíticos y desplegar acciones exploratorias mediante una herramienta analítica. Y b) La plataforma analítica debe incorporar ayudas para para detectar cambios en los patrones de la data, sugerir visualizaciones, proporcionar simulaciones, guardar evidencias pasadas, entre otras.
2. Innovación de la estrategia, de los procesos y oferta de productos y servicios.
3. Trabajo colaborativo: Las decisiones relevantes se procesan en colaboración con un grupo de trabajo, de productores y consumidores de datos; y no de una única persona.
4. Aumento de la confianza en las decisiones: Una cadena de datos bien gobernada permite tener información confiable que se traduce en un incremento en la confianza en las decisiones a nivel del negocio.

En conclusión, avanzar en la dirección correcta en el campo de la analítica para aprovechar los momentos claves de negocio mediante un Data Supply Chain eficiente no es una tarea sencilla, y requiere inversión de tiempo y dinero. Sin embargo, a las empresas les resultará aún más costoso el no contar con una organización ágil e informada. Cualquiera que le diga lo contrario le estará vendiendo un producto, no una solución.