Hace tiempo que las empresas utilizan, en mayor o menor medida, técnicas de Data & Analytics (D&A). Aunque pocas están sacando jugo a esta metodología, que consiste en capturar, tratar y analizar ingentes volúmenes de datos para intentar predecir el futuro. Ése es el objetivo. Anticiparse. Encontrar patrones de comportamiento que se repitan en tal cantidad de casos que se pueda determinar, casi con toda certeza, que hay una íntima relación entre A y B. Salen a la luz relaciones y correlaciones, realidades que estaban ocultas. “La genialidad del Data & Analytics no estriba en las montañas que permite escalar, sino en la vista que proporciona cuando uno está en la cima”, explican los expertos en Big Data de KMPG.

Pero empecemos desde abajo. Antes de llegar a la cumbre, está la zona de encuentro, aclimatación y arranque, lo que podríamos identificar con el campamento base. Y luego, las sucesivas etapas. En el mundo del Data & Analytics se distinguen cuatro estadios o fases.

La primera etapa es la del análisis descriptivo: los datos recolectados ayudan a conformar una visión completa sobre lo que está pasando en la compañía. Inicialmente el análisis se centra en parcelas o áreas concretas. Analizar el comportamiento, las necesidades y la actitud del consumidor para tener un mejor conocimiento de los clientes es uno de los principales usos de la analítica de datos. A partir de ahí, lo lógico es que se vaya extendiendo a lo largo y ancho de la organización. “Uno de los desafíos iniciales más importantes es superar los silos de información que habitualmente pueblan las organizaciones. Lo interesante de los datos es precisamente tenerlos integrados para poder cruzarlos y buscar los insights ocultos. El valor que aporte Analytics dependerá de los datos que tiene detrás”, matiza Eva García San Luis, Socia en el área de IT Advisory.

La genialidad del Data & Analytics estriba en las vistas que proporciona cuando uno está en la cima»

Sigamos subiendo. La siguiente etapa es el diagnóstico: no sólo se describe la situación sino que también se indaga en el porqué, en la causas. En este estadio se encuentra la gran mayoría de las compañías tanto en España como a nivel global aunque, cada vez hay más casos que iniciaron hace tiempo ya escalada y ya están muy por delante, cerca  de la cima.

A medida que continúa el ascenso, el camino se va complicando, pero la recompensa también es mayor. El tercer estadio es el análisis predictivo. Ya no se trata sólo de mirar al pasado, sino de anticiparse al futuro. De intentar predecir qué va a pasar o, al menos, que podría pasar. Aerolíneas, ascensores, minería, energía y, en general, los sectores que utilizan maquinaria pesada son usuarios del análisis predictivo aplicado al mantenimiento de esa maquinaria. El objetivo es ahorrar tiempo y dinero en mantenimientos programados o reparaciones a posteriori y llevar a cabo el mantenimiento cuando los datos e información captada por los sensores así lo aconseje.

Llegados a ese punto, ya solo queda el último tramo para alcanzar la cima: el llamado análisis prescriptivo. Aquí la cuestión no es qué va a ocurrir, sino qué tengo que hacer para que eso ocurra. Es decir, si tras la situación A, normalmente sucede la situación B, ¿qué hay que hacer para generar automáticamente B? El análisis prescriptivo es al que todas las compañías aspiran. Pero conseguirlo exige contar con toda la infraestructura que se ha ido desarrollando en los pasos previos. Sólo así se pueden hacer simulaciones para detectar el camino correcto para lograr el objetivo perseguido. “El análisis prescriptivo casi que viene dado cuando uno ha llegado a la etapa previa porque, en realidad, es una versión del análisis predictivo que, a diferencia de éste, te permite anticipar posibles consecuencias según las acciones que uno lleve a cabo de entre diferentes opciones y también recomienda la mejor acción para lograr el objetivo perseguido”, explica Eva García San Luis.

[is_not_mobile]

Las cuatro fases de Data & Analytics

Las cuatro fases de Data & Analytics LS

[/is_not_mobile]

[is_mobile]

Las cuatro fases de Data & Analytics

Las cuatro fases de Data & Analytics LS

[/is_mobile]

Monetizar los datos

Estos estadios o etapas ponen el foco tanto en la mejora de la eficiencia y de los procesos –mantenimiento predictivo- como en la búsqueda de nuevos ingresos, conocimiento del cliente, lanzamiento de nuestros productos y servicios ajustados a sus gustos. La monetización de los datos, es decir, la venta de éstos a terceros de forma agregada y anónima, es una actividad que nos encontramos en estadios ya avanzados de desarrollo de D&A en las organizaciones, según explicaba en un artículo del  Harvard Business Review  el profesor y experto en Big Data Russell Walker, autor del libro From Big Data to Big Profits: Success with Data and Analytics.

Pero, para llegar a ese punto, hay mucho que aquilatar previamente. “Data & Analytics tiene la capacidad de desbloquear y sacar a la luz un enorme valor, pero primero hay que confiar en lo que los datos están diciendo”, explica Christian Rast, responsable global de Data & Analytics de KPMG, en el informe sobre el poder de la confianza en el análisis de datos que aborda el escepticismo del mundo empresarial ante la analítica de datos. Así lo reflejan los datos recogidos en una encuesta del citado informe realizada por Forrester Consulting para KPMG entre 2.165 directivos de empresas globales. “Aunque la mayoría ve la analítica de datos como algo clave para la toma de decisiones en la organización, sólo un 38% muestra un elevado grado de confianza en las  percepciones que obtiene de los clientes a través de los datos. Y sólo un tercio parece confiar en la analítica que generan de sus operaciones de negocio”, subraya Rast. El problema, que surge sobre todo en las últimas partes del ciclo de D&A, es que pocas organizaciones entienden realmente si sus modelos analíticos están consiguiendo alcanzar los objetivos que se habían planeado.

[is_not_mobile]

Los cuatro pilares para asegurar la confianza en Data & Analytics

Los cuatro pilares para asegurar la confianza en Data & Analytics LS

[/is_not_mobile]

[is_mobile]

Los cuatro pilares para asegurar la confianza en Data & Analytics

Los cuatro pilares para asegurar la confianza en Data & Analytics LS

[/is_mobile]

La pregunta obligada es: ¿Qué están haciendo las empresas líderes en D&A para superar ese escepticismo y sacar realmente provecho al enorme potencial que ofrece la analítica de datos? Sólo las compañías que superen esa desconfianza e implementen de forma efectiva esta tecnología liderarán de verdad el futuro.

Y para dar respuesta a esta cuestión, KPMG define los cuatro pilares básicos sobre los que se debe apoyar esta confianza en Data & Analytics: calidad, efectividad, integridad y resistencia. Y aporta siete recomendaciones clave para fortalecer esa confianza en toda la cadena de valor de la analítica de datos, recomendaciones que pasan  por identificar las brechas y gestionar la analítica de datos a través de toda la organización.

Claves para el éxito

Para tener éxito, Data & Analytics requiere la participación e implicación de muchos aspectos. Empezando por los datos capturados, que deben ser fiables y de calidad (si no lo son, no se llegará a ningún sitio), ofrecer una visión integral y no silos de datos. Siguiendo por el análisis que se llevan a cabo y las hipótesis y correlaciones que se establecen teniendo siempre presente que la relación causa efecto no siempre es directa y exacta. Pasando por la implicación de la alta dirección para orientar a toda la organización hacia los datos en la toma de decisiones. Y, por supuesto, abordando una correcta gobernanza de los datos para garantizar su protección y seguridad. Éstas serían las ocho claves para dar el salto del conocimiento al valor en Data & Analytics.

[is_not_mobile]

Siete pasos para fortalecer la confianza en Data & Analytics

Siete pasos para fortalecer la confianza en Data & Analytics LS

[/is_not_mobile]

[is_mobile]

Siete pasos para fortalecer la confianza en Data & Analytics

Siete pasos para fortalecer la confianza en Data & Analytics LS

[/is_mobile]

Sólo siguiendo estos pasos y, aplicando una correcta gobernando de los datos, se les sacará valor, se afianzará la confianza y se evitarán problemas reputacionales que puedan surgir ante cualquier brecha en la seguridad. Una brecha que desataría recelos entre los consumidores e impediría a la sociedad en general beneficiarse de los espectaculares avances que el Data & Analytics va a impulsar tanto en el campo de la empresa como de la educación, la medicina, la ciencia y la investigación, por citar algunos. Como dicen en una gran compañía de asistencia sanitaria, sólo si los ciudadanos tienen confianza en los datos y la gestión que las compañías hacen de los mismos, se animarán a ceder sus datos para la investigación científica y descubrirán que este simple hecho ayudará a salvar más vidas que la donación de órganos.


Este contenido ha sido elaborado con la colaboración de KPMG