De Mad Men a matemáticos

El marketing tiene hoy poco en común con la época de Mad Men de las agencias de publicidad de la Avenida Madison. Los profesionales actuales del marketing usan algoritmos, fórmulas que ayudan a las empresas a decidir dónde exhibir un anuncio e incluso cómo establecer los precios de los productos de acuerdo con la probabilidad de que los consumidores hagan compras. Este cambio en la práctica empresarial trasciende la publicidad. El uso de datos puede alterar la venta, la administración y los productos. Por ejemplo, las compañías que están seleccionando nuevos empleados pueden consultar sus actividades en redes sociales y seguir la manera en que la gente deciden comprar.

Optimizar los datos

Algunas compañías han reestructurado su manera de operar para aprovechar la optimización de datos. De muchas maneras, estas empresas representan el futuro. Con el paso del tiempo, otras compañías adoptarán estos métodos. Una empresa compleja explota los datos en lugar de tratarlos como un registro histórico. Por ejemplo, el sistema de gestión de datos de Uber informa a los conductores las mejores horas para operar. Los servicios de los taxis tradicionales no pueden competir con esta eficiencia.

Respuestas instantáneas

Utilizar los datos con eficiencia puede responder eficazmente sus preguntas sobre cómo opera su empresa. Puede hacer un seguimiento de la rentabilidad de los clientes o de las estrategias de ventas, o dirigirse a sus datos para que lo ayuden a decidir cuándo introducir un nuevo producto. Los líderes de la gestión de datos entienden sus datos y pueden basar sus acciones en los últimos hallazgos.

Problemas de los datos

En la mayoría de las compañías, los empleados que analizan datos no pueden trabajar con total eficiencia a causa de las constantes exigencias competitivas de tiempo. Su tiempo de respuesta depende de la antigüedad de la persona que pide información. La mayoría de los empleados tienen que esperar su turno para recibir respuestas y muchos equipos actúan con demasiada rapidez, sin tomarse el tiempo para analizar los datos. La mayoría de las empresas carecen de la capacidad para analizar datos masivos, así que no maximizan el valor de su información o de sus empleados.

Datos confusos

La mayoría de las empresas se esfuerza poco para mapear los datos que tienen. Las empresas grandes tienen numerosas bases de datos, cada una con miles de millones de elementos de información. Los empleados que manejan los datos deben producir e interpretar esos elementos. Ante la abundancia de información mal organizada, aún los analistas más capacitados pueden equivocarse o tardar demasiado en responder. Estos problemas causan que sus colegas pierdan el respeto por la utilidad de los datos.

El problema de la fragmentación de datos

Con frecuencia, los empleados crean sus propias bases de datos porque no pueden obtener lo que quieren del equipo de gestión de datos de la empresa. Recopilan datos por toda la compañía y los almacenan en servidores de bases de datos. Estas fuentes de datos ad hoc pueden estar llenas de errores o pueden perder rápidamente los datos. En cuanto los empleados extraen datos de una base de datos, se arriesgan a que esos datos se vuelvan obsoletos. Si continúan utilizándolos, pueden proporcionar información incorrecta a sus clientes y colegas.

“Al convertirnos en grandes contadores de historias con datos, podemos cambiar la manera en que opera nuestra empresa”.

La falta de datos uniformes provoca desacuerdos. Los datos contradictorios sugieren diferentes cursos de acción. Las unidades corporativas separadas conciben sus propios planteamientos para resolver problemas y medir el rendimiento. Diversos grupos podrían disentir sobre una variedad de problemas, entre ellos, la validez de los datos y cómo medir factores cruciales acerca de la empresa.

Inteligencia empresarial

Gran parte del campo de la inteligencia empresarial surge del artículo de 1958 “Un sistema de inteligencia empresarial”, del investigador de IBM, Hans Peter Luhn, que describe el flujo crucial de información dentro de una organización. La infraestructura para administrar datos ha cambiado, pero el proceso de pedir información es prácticamente el mismo. Un usuario empresarial consulta al equipo de gestión de datos sobre un problema. Los gerentes de datos traducen la pregunta al formato que requiere su sistema de inteligencia empresarial. Luego, extraen un conjunto de datos. La rápida caída del costo de almacenar grandes cantidades de datos empresariales es algo que sí ha cambiado.

Bases de datos para las masas

Oracle lidera el mercado de bases de datos por la versatilidad de su tecnología. Su método de precios le genera mucho dinero, pero Oracle hace costoso para usted el almacenamiento de datos. Los creadores de los primeros sistemas de inteligencia empresarial los diseñaron para manejar datos en tres niveles. Una base de datos almacenaba todos los datos de la empresa. Un depósito de datos extraía información de esa base y preparaba informes. Un tercer nivel los preparaba en un formato comprensible para el usuario. El diseño tenía problemas inherentes. Segúna la empresa crecía, sus problemas cambiaban y, según el tamaño del depósito de datos crecía, las empresas debían pagar más a los vendedores de bases de datos. Entonces, nuevas empresas concibieron un planteamiento nuevo.

Reducir costos

Google ha diseñado infraestructura que capitaliza los sistemas informáticos más baratos. Desarrolló métodos para analizar datos que fueron más allá de la tecnología existente cuando los métodos disponibles resultaban inadecuados. Concibió nuevas maneras de mantener los datos para que pudiera responder preguntas en segundos.

“Hacer operativos los datos, utilizar datos para mejorar el rendimiento de la empresa, será la ventaja competitiva definitoria del futuro”.

Compañías como Amazon, Google y Microsoft concibieron bases de datos poderosas por una fracción del costo anterior. Los nuevos planteamientos pueden ayudar a los usuarios empresariales a obtener respuestas a las preguntas desafiantes sobre bases de datos.

Adopte la curiosidad

Para cambiar su cultura para aprovechar los datos, fomente la curiosidad. No dé por hecho sus datos ni suponga que sabe qué percepciones puede explotar. Considere a sus clientes de nuevas maneras. Haga equipo con sus ingenieros de datos para buscar patrones inesperados. Scott Cook, fundador y director ejecutivo de Intuit, sugiere que tres cosas positivas ocurren cuando aprende a utilizar y confiar en los datos. La calidad de su toma de decisiones mejora porque puede basar sus decisiones en información de clientes reales y no en la teoría. Empodera incluso a jóvenes empleados que hacen sugerencias que pueden respaldar con datos. Y su personal encuentra información nueva que fomenta la innovación.

Etapas de la gestión de datos

Las compañías pasan por tres etapas mientras aprenden a manejar datos. Por ejemplo, considere a Twilio, que proporciona una interfaz que permite varios dispositivos para comunicarse. Inicialmente, los ingenieros informáticos de Twilio manejaban y controlaban sus datos. Otros empleados tenían que pedirles información a ellos. Esto dejaba al personal de ingeniería con menos tiempo para construir la infraestructura crucial de Twilio. La compañía trató infructuosamente de utilizar su sistema de gestión de ventas para manejar los datos. El equipo de gestión de datos les daba a los empleados formatos sencillos para tener acceso a los datos, pero los empleados de ventas carecían de las habilidades para entender los formatos. El equipo de gestión de datos quería generar informes estándar a intervalos regulares, pero la mayoría de los usuarios querían respuestas rápidas y únicas para preguntas específicas, porque buscaban material para sus presentaciones e informes.

Modelado de datos

En el pasado, el director de tecnología controlaba los presupuestos de la gestión de datos y la inteligencia empresarial. Pero recientemente, los usuarios empresariales han empezado a comprar software que satisface sus requerimientos. Esto significa que diferentes grupos almacenan datos en servidores por toda la organización.

“La experimentación está en el centro de esa innovación porque prepara a los empleados, incluso a los más jóvenes dentro de una compañía, a apoyar sus argumentos con datos”.

La modelación de datos ayuda a las empresas a hacer frente a los desafíos que plantean los datos dispersos. Esto deja que los ejecutivos utilicen sus propias herramientas de inteligencia empresarial, mientras permiten que el equipo de datos le dé servicio a la organización. La modelación de datos deja que TI defina la relación entre diferentes tipos de datos –como entre ventas y marketing– para que otros ejecutivos puedan utilizar los datos.

Las preguntas correctas

Einstein sugirió que la manera en que formula una pregunta es más importante que conseguir una respuesta. Eso significa que puede explorar nuevas posibilidades si diseña sus preguntas de manera creativa. El “recorrido de la complejidad de los datos” sigue la progresión en cuatro tipos de analíticas:

  1. Analítica descriptiva – Ayuda a examinar con cuánta eficacia mide el rendimiento, si esas medidas cambiaron y cómo cumplieron los objetivos definidos.
  2. Analítica de diagnóstico – Ahora pregunte: ¿por qué sucedió? Este análisis examina por qué funcionaron o no las estrategias y requiere un uso más complejo de estadísticas.
  3. Analítica predictiva – Este análisis responde a ¿qué sucederá? Ayuda a las empresas a utilizar el rendimiento pasado para examinar y desarrollar posibles escenarios futuros.
  4. Analítica prescriptiva – Ahora puede responder la pregunta ¿cómo podemos hacer que suceda? Estas analíticas pueden ayudar a elegir entre diferentes caminos. Requieren grandes volúmenes de datos y experiencia en análisis. Como resultado, pocas compañías las utilizan.

“En la actualidad, el cambio es más complejo, más rápido y más difícil de predecir que nunca antes… El único antídoto para esta creciente volatilidad son los datos”.

Puede insertar otro paso después de la analítica de diagnóstico. Este paso, llamado analítica exploratoria, indica la búsqueda de una hipótesis que funcione con base en los dos primeros pasos. Los vendedores de herramientas de analítica exploratoria han reducido los precios, así que ahora los analistas pueden utilizar estas herramientas para examinar desafíos empresariales. Explorar el presente les permite cambiar una estrategia por la tarde, basándose en datos que vieron por la mañana.

Encontrar la narrativa

Las fábulas de Esopo muestran la conexión entre un suceso y sus consecuencias, para persuadir a los niños de los beneficios de la moralidad. Al igual que Esopo, puede utilizar los datos para mostrar el significado que expresa una historia. Por ejemplo, en su artículo “Lionel Messi es imposible” en el sitio web fivethirtyeight.com, el periodista Benjamin Morris utilizó gráficas sencillas basadas en análisis de datos para mostrar cómo Messi consigue mejores resultados que otros futbolistas.

Sus prejuicios

Para obtener el significado más real de los datos, debe detectar y vencer sus prejuicios. Quizá aplique lo que cree que es sentido común, y descubra que los datos demuestran que está en el camino equivocado. Durante la Segunda Guerra Mundial, la Fuerza Aérea estadounidense perdió más de 30 aviones diarios por el fuego enemigo. Luego, la Fuerza Aérea decidió darles a sus aviones protección adicional reforzando las áreas dañadas por los disparos. Pero el estadístico Abraham Wald sugirió que, en lugar de eso, la Fuerza Aérea debía proteger las aeronaves en los lugares donde no presentaban daños, pues los aviones que habían recibido disparos en esos lugares no habían regresado de combate.

Revolucione las operaciones

Las empresas con lienzos (contenedores) de datos integrados y equipos bien entrenados pueden revolucionar sus operaciones. Y pueden ayudar a sus bibliotecarios a no ahogarse en peticiones de datos. Cuando la biblioteca del Centro de Astrofísica Harvard-Smithsonian ofreció el curso “Capacitación como científico de datos para bibliotecarios”; se inscribieron bibliotecarios de todo el mundo que buscaban entender los datos y sus implicaciones.

Sobre los autores

El inversionista de capital de riesgo de Redpoint Tomasz Tunguz trabajó en Google. Frank Bien, presidente y director ejecutivo de Looker Data Sciences, fue vicepresidente sénior de estrategia en Virsto Software Corporation.

Abrir chat
¿Necesitas ayuda?
Hola, en qué podemos ayudarte?