Capacidades analíticas avanzadas

El estado tecnológico actual nos debería permitir tomar decisiones basadas en datos. La realidad es que muchas organizaciones no lo hacen así a pesar de realizar cuantiosas inversiones en capacidades analíticas avanzadas  orientadas a ello como, por ejemplo, expertos en ciencias de datos con perfiles stem (science, technology, engineering, maths), herramientas, unidades organizativas… 

Según el informe de IDC Pronóstico mundial de 2013 a 2019, el mercado del software de analítica avanzada y predictiva mundial pasó de 2.390 millones de dólares en 2013 a 3.470 millones de dólares en 2019, y en los dos últimos años la tendencia de crecimiento se ha acelerado. Pasar de un big data solo producido por actividades humanas a otro paralelo, procedente del Internet de las cosas, ha supuesto un big bang en términos de cantidad de datos y complejidad. En el mundo del marketing digital, aún persisten las dificultades operativas de diferenciar bases de datos construidas desde registros personales sin las garantías de una arquitectura single customer view. 

En la función de marketing necesitamos eficacia y eficiencia. Eficacia es la capacidad de llegar a la persona correcta, en el momento adecuado y de la forma oportuna. Eficiencia es hacerlo al menor coste y con el máximo impacto, orientado a los objetivos de negocio. Las compañías precisan de una analítica avanzada no solo para poder hacer un marketing digital correcto, sino para otras muchas cosas: analizar el contexto, definir con precisión la situación de partida, identificar insights, amenazas, oportunidades, desafíos útiles en tiempo real, tomar decisiones acertadas o controlar la ejecución de los procesos críticos con precisión. Según Bain & Company, las empresas orientadas a estas prácticas consiguen ejecutar el doble de las decisiones previstas, tienen tres veces más probabilidades de obtener crecimientos de ingresos superiores al 10% año sobre año y es cuatro veces más probable que tomen decisiones más rápidas. Sin embargo, según el estudio IBM 2020, solo el 14% de las empresas incorporan la inteligencia artificial en sus procesos y aprovechan entre el 10% y 30% del big data. 

Uno de los desafíos más importantes es la concentración de ese talento en determinados lugares del mundo, coincidiendo con la presencia de los ecosistemas digitales más potentes: Silicon Valley, Pekín, Bangalore… El problema no es solo la localización del talento, sino también su escasez. Ante esta realidad, lo que las empresas pueden hacer es adoptar un conjunto de estrategias variadas: alianzas con instituciones académicas, outsourcing en hubs de tecnología, formación interna, admitir posiciones híbridas con teletrabajo, etc. 

Las aplicaciones de analítica avanzada se basan en la ciencia de datos para dar respuesta y solución a cuestiones estratégicas del mundo de la empresa, como los modelos de propensión, los patrones de comportamiento, la segmentación avanzada, los sistemas de recomendación, los procesos de atribución… Las nuevas tecnologías de inteligencia artificial, machine learning o computación cuántica, entre otras, están ayudando a que se consolide un fabuloso desarrollo. Siempre fue un elemento estratégico para el desarrollo futuro de cualquier compañía, pero me temo que ahora es más crítico. 

Richard Foster estudió el fenómeno de la esperanza de vida de las empresas entre 2012 y 2016 y llegó a la conclusión de que en el índice S&P se había reducido dicha esperanza desde los 67 años en la década de 1920 hasta los 15 años en 2016. Una de las grandes ventajas competitivas actuales es la rapidez con la que podemos salir al mercado con nuestra solución. No hay duda: la mejor forma de ser rápido es anticiparse. Precisamente, eso es lo que busca la analítica avanzada: no solo explicar lo que pasa ahora, sino ayudar a predecir lo que va a pasar.  

El mismo concepto de competencia está sometido a revisión. Los competidores que más daño están haciendo a los líderes de mercado no existían hace solo unos años. Los activos digitales han democratizado el juego competitivo y han abatido barreras tradicionales como el factor tamaño. Las cadenas de valor pesadas, basadas en activos, han perdido protagonismo en favor de otras mucho más líquidas. La fórmula SaaS, software as a service, también se aplica en el mundo de las capacidades de analítica avanzada. Kotler, en su último libro Marketing 5.0, presenta una interesante imagen de la jerarquía del conocimiento: en una pirámide figurada de seis peldaños el peldaño inicial, que se define por la lectura del ruido o señal, y los dos peldaños superiores, que apuntan a la generación de insights (hallazgos-aprendizajes) y sabiduría, corresponden al hombre. Los otros tres peldaños intermedios —datos, información y conocimiento— corresponden a las máquinas.  

Como decía al principio, tenemos las capacidades de analítica avanzada. Ahora toca que el talento en las organizaciones sepa sacarles el máximo provecho. Y, por supuesto, debemos huir siempre de la infoxicación. Esta situación es el resultado de concebir estos proyectos con una orientación al inventario del dato. Podría parecer que la acumulación de estos es la fuente de generación de valor. La analítica avanzada es la mejor forma de evitar esa práctica. Con ella debemos buscar generar valor en los distintos ámbitos del negocio: la exploración de oportunidades y la gestión de recursos; en definitiva, en las decisiones sobre recursos escasos.  

Os recomendamos que no dejéis de actualizaros en las últimas tendencias y adquiráis los conocimientos adecuados. Os invito a que miréis detenidamente el Máster en Big Data y Business Analytics.