¿Cuál es el mejor enfoque del análisis de datos?

Al observar los diferentes enfoques del análisis de datos adoptados por una amplia gama de empresas, podemos ver algunas de las mejores prácticas para conectar los datos con el valor empresarial real. La ciencia de datos no puede ocurrir en un silo. Debe estar perfectamente integrado en la organización, las operaciones y los procesos de la empresa. Los líderes empresariales y los científicos de datos deberían decidir conjuntamente en qué problemas empresariales centrarse. Si hay alguna duda sobre la prioridad, la última llamada deberían ser los directores de empresa. Los líderes deben estar familiarizados con la ciencia de datos. Los líderes empresariales no necesitan una experiencia profunda en ciencia de datos, pero necesitan una comprensión básica y práctica. Inevitablemente, los datos crean transparencia y revelan información empresarial que puede resultar inesperada, incómoda e inoportuna. El análisis de datos descubrirá ineficiencias y conceptos erróneos que complicarán el liderazgo y generarán disrupción en el pensamiento convencional. Los líderes empresariales que aplasta o ignora las respuestas que no les gustan socavarán rápidamente el valor del análisis de datos.

••• Al practicar el análisis de datos durante más de 30 años y liderando, asesorando, entrevistando y enseñando a ejecutivos de muchos sectores sobre análisis de datos durante cinco años, he observado que sus enfoques generalmente se dividen en uno de cinco escenarios: dos que normalmente fallan, dos que a veces funcionan parcialmente y uno que ha resultado ser el mejor. Echemos un vistazo a cada una de ellas: ### **1. Estamos aquí para ayudarlo, ¿tiene algún problema que resolver?** Este escenario suele empezar cuando el CEO (a veces a instancias de la junta) decide contratar a un científico de datos y crear un grupo de análisis de datos. El equipo de datos se embarca en la organización con grandes aspiraciones, pero sin una orientación específica para encontrar problemas empresariales que resolver. Sin embargo, los científicos de datos no tienen un conocimiento práctico del negocio y los líderes empresariales no saben qué es exactamente lo que deben hacer los analistas de datos ni cómo usarlos. Como dijo un alto ejecutivo de una empresa muy grande: «Nuestro CEO contrató a un científico de datos que depende de mí, pero no estoy seguro de lo que hace ni qué hacer con él». A medida que los líderes empresariales y los científicos de datos tratan de averiguar cómo relacionarse, no se crea mucho valor empresarial. ### **2. Hierva el océano.** Un entusiasmo bien intencionado por utilizar la ciencia de datos puede llevar a aspiraciones demasiado ambiciosas de afectar a toda la empresa a la vez. Sin embargo, la realidad, especialmente en las grandes empresas, es que hay demasiados sistemas de datos heredados, demasiados problemas prácticos y muy pocas personas en el equipo de ciencia de datos como para generar un importante impulso empresarial en toda la empresa en poco tiempo. Los resultados empresariales suelen estar muy por debajo de las altas expectativas. Como observó un ejecutivo de una multinacional de fabricación europea: «Llevamos tres años en esto y gastamos millones de euros, pero no tenemos mucho que mostrar». Al final, no se obtiene mucho valor empresarial. ### **3. Deje que florezcan mil flores.** El tercer escenario es prometedor: los líderes de nivel C ordenan que se adopte el análisis de datos en toda la empresa. El uso práctico se deja a la discreción del líder de cada unidad de negocio o jefe de función. Si bien el análisis de datos se basa en la empresa y se mantiene cerca de ella, mucho depende de si los directores de empresa individuales decidan utilizarla y de qué manera. Algunos lo aceptan y obtienen resultados significativos; otros no están seguros de qué hacer o qué evitarlo. El «análisis de datos» a menudo se convierte en una mejora de los informes empresariales. Proliferan las bases de datos, los sistemas y las herramientas. Con los esfuerzos fragmentados, es difícil escalar las actividades resultantes y determinar cuánto valor empresarial se crea. ### **4. Dentro de tres años y 10 millones de dólares, va a ser fantástico.** Este enfoque racional se adopta con todas las intenciones correctas: que el análisis de datos puede crear valor empresarial, pero requiere compromiso, inversión y tiempo. El problema es que este enfoque normalmente se traduce más en los procesos que en los resultados empresariales. A menudo se trata de una serie de talleres, comités y reuniones que se prolongan sin mucho que mostrar. Las inversiones multianuales son difíciles de mantener sin ningún resultado empresarial, ante las exigencias presupuestarias competitivas y las cambiantes condiciones empresariales. Una gran empresa industrial, por ejemplo, lleva años planificando, desarrollando y discutiendo sus iniciativas de análisis de datos, pero los ejecutivos se preguntan hacia dónde se dirige el esfuerzo y cuándo demostrará su valor empresarial. A pesar de un comienzo prometedor, pasa demasiado tiempo sin resultados empresariales y el apoyo disminuye. ### **5. Comience con problemas empresariales de alto apalancamiento.** Por último, el enfoque que mejor funcione: identificar un pequeño número de problemas empresariales «de alto apalancamiento» que estén bien definidos, que se puedan abordar rápidamente y que generen un valor empresarial evidente, y, a continuación, centrarse en ellos para mostrar los resultados empresariales. El problema empresarial específico lleva al equipo a identificar los datos necesarios y los análisis que se van a utilizar. Las ganancias rápidas demuestran su valor empresarial. Por ejemplo, una empresa que opera clínicas de diagnóstico por imágenes vio un problema de gran influencia cuando los pacientes «no se presentaban». La empresa se propuso predecir y reducir las ausencias para beneficio de todos los involucrados: pacientes, médicos y técnicos. Reducir las «ausencias» mejora directamente los resultados. No hay nada que sustituya a los resultados empresariales para generar credibilidad en el análisis de datos y mantener el compromiso. ### **Prácticas recomendadas para el análisis de datos** Al analizar estos escenarios, las mejores prácticas quedan claras, que incluyen: - **La ciencia de datos no puede ocurrir en un silo.** Debe estar perfectamente integrado en la organización, las operaciones y los procesos empresariales. - **Tiene que haber una priorización conjunta.** Los líderes empresariales y los científicos de datos deberían decidir conjuntamente en qué problemas empresariales centrarse. Si hay alguna duda sobre la prioridad, la última llamada deberían ser los directores de empresa. - **Los líderes deben estar familiarizados con la ciencia de datos.** Los líderes empresariales no necesitan una experiencia profunda en ciencia de datos, pero necesitan una comprensión básica y práctica. Estar versado permite a los líderes empresariales trabajar de forma eficaz con sus equipos de ciencia de datos. - **Puede que tenga que aceptar «resultados inconvenientes».** Inevitablemente, los datos crean transparencia y revelan información empresarial que puede resultar inesperada, incómoda e inoportuna. El análisis de datos descubrirá ineficiencias y conceptos erróneos que complicarán el liderazgo y generarán disrupción en el pensamiento convencional. Los líderes empresariales que aplasta o ignora las respuestas que no les gustan socavarán rápidamente el valor del análisis de datos. Al observar los diferentes enfoques adoptados por una amplia gama de empresas, podemos ver qué funciona y qué no para conectar el análisis de datos con la creación de valor empresarial real. Porque si su análisis de datos no añade un valor real al negocio, no va a tener éxito ni ser sostenible.