Utilice los datos para responder a sus preguntas empresariales clave

Resumen.

Muchas organizaciones están invirtiendo miles de millones de dólares en análisis con un rendimiento mínimo, lo que no es una receta para el éxito. A menudo, esta desconexión no se debe a una ciencia de datos defectuosa, sino a que una organización no tiene en cuenta la preparación para la activación de sus enfoques para aplicaciones de análisis en el mundo real. Para muchas organizaciones, la activación, o el arte de aprovechar los datos para hacer algo significativamente diferente en el mercado, es la pieza que falta que cierra la brecha entre la información y el valor empresarial. Si bien la mayoría de las organizaciones maduras saben cómo aprovechar la analítica para el descubrimiento de conocimientos, muy pocas son capaces de orientar este descubrimiento de forma coherente en la dirección correcta. Esto da como resultado un análisis indudablemente impresionante que es inútil desde el punto de vista funcional. Para evitar esta trampa de la analítica por el bien de la analítica, las organizaciones deben formular algunas preguntas prospectivas que establezcan un marco para lo que hará una organización con los conocimientos generados por los análisis.

Según Gartner, el mercado global de software de análisis e inteligencia empresarial alcanzó 21,600 millones de dólares en 2018. La firma también ha predicho que, «hasta 2022, solo el 20% de la información analítica ofrecerá resultados empresariales». Esto significa que las organizaciones están invirtiendo miles de millones de dólares en análisis con un rendimiento mínimo, lo que no es una receta para el éxito.

A menudo, esta desconexión no se debe a una ciencia de datos defectuosa, sino a que una organización no tiene en cuenta la preparación para la activación de sus enfoques para aplicaciones de análisis en el mundo real. Para muchas organizaciones, la activación, o el arte de aprovechar los datos para hacer algo significativamente diferente en el mercado, es la pieza que falta que cierra la brecha entre la información y el valor empresarial.

Si bien la mayoría de las organizaciones maduras saben cómo aprovechar la analítica para el descubrimiento de conocimientos, muy pocas son capaces de orientar este descubrimiento de forma coherente en la dirección correcta. Esto da como resultado un análisis indudablemente impresionante que es inútil desde el punto de vista funcional.

Para evitar esta trampa de la analítica por el bien de la analítica, las organizaciones deben tomar las siguientes medidas al diseñar y desarrollar sus procesos analíticos:

Priorizar las preguntas empresariales clave (KBQ) de alto valor sobre los sueños inesperados

En un anterior HBR artículo, introduje un proceso para llegar a los tipos de preguntas empresariales clave (KBQ) que preparan a las organizaciones para el éxito de la analítica. Los KBQ son preguntas prospectivas que establecen un marco para lo que hará una organización hacer con la información generada por la analítica. Por ejemplo, «¿Podemos identificar a los clientes que abandonaron uno de nuestros servicios después de interrumpir uno de nuestros servicios y enmarcar nuestros servicios restantes de forma que los recuperen?» O bien, un KBQ que encuentro con frecuencia en mi línea de trabajo, «¿Podemos trazar un mapa de las relaciones de derivación entre los proveedores de atención médica y utilizar nuestra comprensión de estas relaciones para adaptar mejor nuestras comunicaciones con cada proveedor?»

Situar el proceso de generación de KBQ en un debate más amplio sobre la preparación para la activación requiere profundizar en el último paso del proceso: priorizar sus KBQ. Una vez que haya compilado una lista exhaustiva de sus KBQ, debe evaluarlos en dos ejes: «capacidad de activación» y «potencial de impacto en el negocio». (Consulte la figura a continuación).

Las organizaciones que, como mínimo, entienden cómo aprovechar la analítica para el descubrimiento de conocimientos suelen terminar buscando KBQ que caen dentro de los cuadrantes superior izquierdo (sueños imposibles) y superior derecho (KBQ de alto valor) de esta cuadrícula. Los KBQ de alto valor son la estrella del análisis listo para la activación. Las quimera son preguntas cuyas respuestas tienen un inmenso potencial para impactar su negocio, pero son difíciles de actuar en el mercado.

Si está intentando reducir la rotación de clientes, uno de sus KBQ podría ser: «¿Cómo podemos impulsar el crecimiento orgánico de nuestro negocio aumentando el valor medio de vida de nuestros clientes?» Desde el punto de vista analítico, responder a esta pregunta es bastante sencillo. Equipado con los datos adecuados, tu equipo de análisis puede crear un modelo de puntuación probabilístico que predice la probabilidad de que pierdas un cliente al principio de su recorrido. Sin embargo, si bien este modelo constituye una solución analítica para una cuestión empresarial crítica, su mera existencia no califica la pregunta como un KBQ de alto valor.

Un modelo de predicción de abandono basado en datos solo es valioso si te permite cambiar lo que estás haciendo en el mercado de una manera significativa, es decir, si eres capaz de activar sobre los conocimientos que produce el modelo. Si no cuenta con la infraestructura tecnológica y de CRM adecuada, no podrá poner su modelo en juego en el mercado y su pregunta original terminará siendo una quimera: su impacto potencial en el negocio es alto, pero su capacidad para realizar este potencial es prácticamente inexistente.

Cree equipos multifuncionales capaces de traducir la información en acción

Reducir la brecha entre la información y el valor empresarial y, al hacerlo, pasar del descubrimiento de conocimientos a las soluciones listas para la activación, casi siempre requiere un cambio en la estructura del equipo. Para entender por qué, debemos profundizar en lo que implica la activación.

Un ejemplo sofisticado de activación podría implicar el uso de datos transaccionales para desarrollar un algoritmo que determine la propensión de sus clientes a realizar ciertos tipos de compras, alimentar los datos de este algoritmo en tiempo real para hacer predicciones y desplegar estas predicciones en una plataforma de activación para impulsar segmentación de ofertas específicas del cliente a escala.

Más allá de un equipo de análisis capaz de formar un algoritmo fiable, este nivel de activación requiere que tanto los datos como la infraestructura de IT mantengan y transmitan los datos de los clientes en tiempo real. También necesita tecnología de marketing capaz de tomar los conocimientos generados por el algoritmo, traducirlos en ofertas estratégicas y entregar estas ofertas de forma autónoma en el mercado. Como tal, las organizaciones necesitan reunir equipos multifuncionales de expertos en el dominio que comprendan todos de las consideraciones que influyen en la activación con los datos del mercado, no solo las consideraciones analíticas.

En otras palabras, la analítica lista para la activación requiere que los equipos de análisis colaboren, e incluso compartan las responsabilidades de toma de decisiones, con colegas cuya experiencia reside fuera disciplinas analíticas. Como resultado, las organizaciones pueden encontrar resistencia interna, ya que los miembros de equipos multifuncionales pueden dudar en ceder autoridad sobre su campo de especialización.

Hay varios pasos que puedes tomar para minimizar esta resistencia:

• Reconoce que este es un proceso nuevo para todos y que no esperas que tus equipos multidisciplinarios obtengan todo inmediatamente.
• Explicar por qué cada experto en dominios está presente. Si tu equipo de análisis no entiende por qué invitaste a tus equipos de IT y marketing a participar en las sesiones de planificación analítica, es probable que lo veas como una invasión en su territorio.
• Involucra regularmente a tu equipo. Crear un programa de análisis listo para la activación es una tarea colaborativa y necesitas solicitar comentarios de forma activa a todos los miembros de tu equipo multidisciplinario.

Utilice la formalización de procesos como sustituto de alguien que puede traducir análisis

Además de los pasos anteriores, garantizar que los equipos de análisis, los equipos empresariales, los equipos de IT, los equipos de marketing y los socios de proveedores comprendan las fortalezas, limitaciones y prioridades de los demás implica realizar múltiples actos de traducción en cada momento del proceso de análisis.

Como se ha articulado en otro HBR artículos, contar con un «traductor analítico» que pueda organizar las operaciones de los profesionales de la analítica y hacerlas inteligibles para las partes interesadas no técnicas puede mejorar drásticamente sus probabilidades de éxito en el análisis. Dicho esto, McKinsey estimaciones que la demanda interna de traductores analíticos podría alcanzar los 4 millones en 2025. Para satisfacer esta demanda, entre el 20 y el 40% de los graduados de STEM del país tendrían que dedicarse a este tipo de trabajo, pero actualmente solo el 10% lo hace.

Esta escasez de traductores ya es acentuada, pero su gravedad aumenta exponencialmente cuando se considera en el contexto de los tipos de equipos interdisciplinarios descritos anteriormente. Si el objetivo es la analítica lista para la activación, las organizaciones necesitan traductores que sean multilingüe, no solo bilingüe.

Encontrar a estos traductores puede parecer una tarea tonta, por lo que la mayoría de las organizaciones deben considerar enfoques alternativos para facilitar la comunicación y la colaboración dentro de sus equipos interdisciplinarios. Esto suele implicar la formalización de procesos que crean espacios para la comunicación activa y continua entre los expertos del dominio. Esto comienza con la elaboración de un estatuto del equipo que delimita las divisiones de responsabilidades y de análisis exhaustivos para cada proyecto, que incluyen:

• KBQs a los que responde el proyecto.
• Métricas que se utilizarán para supervisar el progreso del proyecto.
• Enfoques analíticos que se aprovecharán en cada fase del proyecto.
• Acciones de mercado que se tomarán en respuesta a diversos resultados analíticos potenciales.
• Planes de prueba y aprendizaje que establecen los próximos pasos orientados a la activación.

Si, a través de este proceso de redacción breve colaborativa, la contabilidad de la activación se convierte en parte integrante de la forma en que realiza todos tus análisis, es posible que tu equipo nunca sienta la ausencia de un políglota de dominio.

Uniéndolo todo: un enfoque por capas para la analítica lista para la activación

En última instancia, reducir la brecha entre el conocimiento analítico y el valor empresarial es menos un proceso escalonado que uno por capas. Implica seleccionar los KBQ de alto valor adecuados, reunir equipos multidisciplinarios para garantizar que la activación se considere desde el principio y formalizar el proceso de análisis de manera que permita la colaboración entre disciplinas.

Imagina que lideras el marketing global de una cadena hotelera cuyos ingresos han disminuido constantemente durante los últimos trimestres. Un análisis preliminar muestra que, si bien la adquisición de nuevos huéspedes va en aumento, la disminución de las estancias repetidas por parte de huéspedes que anteriormente eran leales es el principal culpable de la disminución de los ingresos. Para guiar la estabilización de sus ingresos, podría plantear KBQ como: «¿Podemos predecir cuándo los clientes corren el riesgo de abandonar el negocio y ofrecer incentivos que solidificen su lealtad?» o «¿Podemos implementar la optimización de precios en tiempo real que nos permita ser la opción más asequible para los clientes?»

Estas son buenas preguntas, pero dar el siguiente paso (s) correcto (s) requerirá la aportación de una diversidad de partes interesadas. Si bien tu equipo de análisis puede entender cómo responder a la segunda pregunta, tu equipo de IT puede informarte de que tu sitio web no está diseñado para admitir ajustes de precios en tiempo real; incluso si identificas el precio de habitación óptimo para cada cliente, no tienes la infraestructura de IT para oferta clientes estos precios. En otras palabras, la segunda pregunta es una quimera.

Además, si tu equipo de análisis localiza a un cliente que alguna vez fue usuario mensual pero que ahora es usuario trimestral, ¿cómo incentivar al cliente para que se mantenga fiel? ¿Ofrecer al cliente el doble de puntos en cualquier estancia en los próximos tres meses? ¿Pilotar un programa «quédate nueve noches y tu décima noche es gratis» con el cliente? ¿Ofrecer al cliente un ascenso de categoría de habitación de cortesía durante su próxima estancia? Todos, desde marketing hasta IT y contabilidad, tendrán valiosas aportaciones sobre la viabilidad de estas activaciones, y es fundamental que crees un foro (en forma de resumen analítico) para que estas diversas fuentes de información se fusionen en la innovación colaborativa si vas a impulsar cambios en la comportamiento que reforzará sus resultados.

Estas tres capas son interdependientes, y todas ellas deben estar en su lugar para que la maquinaria analítica lista para la activación funcione a escala. En mi opinión, esta complejidad es en gran parte la razón por la que tantas organizaciones luchan por traducir la información basada en datos en resultados empresariales. Pero si bien los análisis listos para la activación pueden ser inicialmente una especie de malabarismo, una vez que todas las piezas empiecen a encajar, los beneficios pueden cambiar las reglas del juego.

— Escrito por Kevin Troyanos