Lo que los ejecutivos no entienden del Big Data
por Michael Schrage
¿Cuánto más rentable sería su negocio si tuviera acceso gratuito a 100 veces más datos sobre sus clientes? Esa es la pregunta que hice a los asistentes a un reciente taller sobre macrodatos en Londres, todos ellos altos ejecutivos. Pero ni un solo ejecutivo de este grupo de expertos en TI se atrevería a adivinar. De hecho, uno de los directores ejecutivos declaró que el aumento de nuevos datos podría incluso provocar pérdidas, ya que los procesos empresariales y de gestión de su empresa no podían gestionarlos de forma rentable.
Los macrodatos no conducen intrínsecamente a mejores resultados.
Aunque el big data ya es (y seguirá siendo) un impulsor implacable de cambio empresarial revolucionario(pregúntele a Jeff Bezos, Larry Page o Reid Hoffman), demasiadas organizaciones no comprenden muy bien que estar «impulsadas por los macrodatos» requiere juicio humano más cualificado que el aprendizaje automático basado en la nube. Los gigantes de la Web 2.0, como Google, Amazon y LinkedIn, tienen la ventaja innata de basarse tanto en arquitecturas como en culturas de macrodatos. Su éxito futuro depende de que se vuelvan desproporcionadamente más valiosos a medida que más personas los utilicen. El big data es a la vez el facilitador y el subproducto de los «efectos de red». Los algoritmos que hacen que estas empresas funcionen necesitan macrodatos para sobrevivir y prosperar. A los algoritmos ambiciosos les encanta el Big Data y viceversa.
Del mismo modo, sistemas de macrodatos innovadores, como El Watson de IBM, el campeón de Jeopardy que mató a Ken Jennings, están diseñados con una misión de claridad y especificidad que hace que sus muchos, muchos terabytes sean intrínsecamente indispensables.
Por el contrario, la inmensa mayoría de los sistemas de TI empresariales no pueden tomar una decisión digital del todo. ¿Los macrodatos están ahí para alimentar los algoritmos o para informar a los humanos? ¿Se utilizan los macrodatos para ejecutar un proceso empresarial o para crear conciencia situacional para la alta dirección? ¿Los macrodatos están ahí para proporcionar una señal más innovadora o una redundancia cómoda? «Todo lo anterior» es exactamente la respuesta incorrecta.
Lo que mejor funciona no es el compromiso de la alta dirección con el «big data», los algoritmos ambiciosos o los análisis sofisticados. El compromiso con el resultado empresarial deseado es el factor fundamental del éxito. La razón por la que mis ejecutivos londinenses mostraron poco entusiasmo por 100 veces más datos de clientes fue porque no podían imaginarlos ni alinearlos con un resultado empresarial deseable. ¿Sería más persuasivo ofrecer 1000 o 10 000 veces más datos? Difícilmente. El problema no era ni la cantidad ni la calidad de los datos. Lo que importa es cómo (y por qué) muchos más datos conducen a una creación de valor mucho mayor. Diseñar y determinar esos vínculos es competencia de la alta dirección.
En lugar de preguntarse: «¿Cómo podemos sacar mucho más valor a partir de muchos más datos?» los supervisores de macrodatos exitosos buscan responder: «¿Qué valor es lo que más importa y qué combinación de datos y algoritmos nos lleva allí?» Las implementaciones de macrodatos más eficaces se diseñan a partir de los resultados empresariales deseados, y no de los enormes conjuntos de datos presentados. Los transformadores motores de recomendaciones de Amazon reflejan el enfoque de Bezos en una experiencia de usuario superior más que en cualquier innovación que haga hincapié en la reutilización de los datos de los clientes. Eso es un verdadero liderazgo empresarial, no petabytes en busca de beneficios.
Demasiados ejecutivos están demasiado impresionados (o demasiado intimidados) por la magnitud de los datos como para replantearse o revisar la forma en que sus organizaciones realmente añaden valor. Temen que el tamaño de la oportunidad no valga la pena correr el riesgo. En ese sentido, gestionar los macrodatos (y los ambiciosos algoritmos que los ejecutan) no es muy diferente a gestionar a los mejores talentos. ¿Qué compromisos, adaptaciones y decisiones tendrá en cuenta para que todos funcionen bien juntos?
Los ejecutivos deben entender que el big data no consiste en subordinar las decisiones de la dirección a los algoritmos automatizados, sino en decidir qué tipo de datos deberían mejorar o transformar las experiencias de los usuarios. El Big Data no debe ser ni servidor ni amo; si se gestiona adecuadamente, se convierte en un nuevo medio para dar forma a la forma en que interactúan las personas y sus tecnologías.
Por eso es un poco falso cuando Marissa Mayer, ejecutiva de Google convertida en directora ejecutiva de Yahoo, declara «los datos son apolíticos» y que su antigua empresa tiene éxito porque se basa en gran medida en los (grandes) datos: «Todo se reduce a los datos. Realice una prueba del 1% [con el 1% de la audiencia] y el diseño que mejor se adapte a las métricas de satisfacción de los usuarios durante un período de dos semanas es el que lanzaremos. Tenemos un entorno muy académico en el que analizamos los datos todo el tiempo. Probablemente tengamos entre 50 y 100 experimentos en ejecución con tráfico en directo, desde el número predeterminado de resultados hasta los enlaces subrayados y el tamaño de una flecha. Estamos probando todas esas cosas diferentes».
Brillante y admirable. Pero esta perspectiva supuestamente «apolítica» oculta un punto más amplio. Google es una empresa cuyos productos y procesos están diseñados explícitamente para basarse en los datos. Los conocimientos innovadores no se derivan del tamaño de los datos, sino de la clara alineación con los resultados empresariales mensurables. El volumen de datos está diseñado para generar valor empresarial. (Pero algunos datos son aparentemente más apolíticos que otros: los cierre de Google Labs, por ejemplo, así como la compra de Motorola Mobility por 12 500 millones de dólares, probablemente no sean modelos de «mejores prácticas» basadas en datos.)
La mayoría de las empresas no son Google, Amazon o están diseñadas para aprovechar los efectos de red basados en el big data. Pero prácticamente todas las organizaciones que trasladan algunos de sus datos, operaciones o procesos a la nube pueden empezar a preguntarse si ha llegado el momento de revisar sus fundamentos de creación de valor. En la nueva era de las tecnologías Watson, Windows y la Web 2.0, cualquier organización que considere el acceso a 100 veces más datos de los clientes como una carga que como un avance tiene algo malo en ello. Big Data debería ser una vergüenza de riqueza, no una vergüenza.
_____________________
Artículos Relacionados
La IA es genial en las tareas rutinarias. He aquí por qué los consejos de administración deberían resistirse a utilizarla.
Investigación: Cuando el esfuerzo adicional le hace empeorar en su trabajo
A todos nos ha pasado: después de intentar proactivamente agilizar un proceso en el trabajo, se siente mentalmente agotado y menos capaz de realizar bien otras tareas. Pero, ¿tomar la iniciativa para mejorar las tareas de su trabajo le hizo realmente peor en otras actividades al final del día? Un nuevo estudio de trabajadores franceses ha encontrado pruebas contundentes de que cuanto más intentan los trabajadores mejorar las tareas, peor es su rendimiento mental a la hora de cerrar. Esto tiene implicaciones sobre cómo las empresas pueden apoyar mejor a sus equipos para que tengan lo que necesitan para ser proactivos sin fatigarse mentalmente.
En tiempos inciertos, hágase estas preguntas antes de tomar una decisión
En medio de la inestabilidad geopolítica, las conmociones climáticas, la disrupción de la IA, etc., los líderes de hoy en día no navegan por las crisis ocasionales, sino que operan en un estado de perma-crisis.