Fernando Martínez Jover, socio director de MBD. Hace unos 10 años asistí a una de esas típicas reuniones de antiguos compañeros de colegio. Entre abrazos y recuerdos de viejas anécdotas del pasado (por todos es sabido que normalmente sólo resultan graciosas para los que las vivieron en primera persona), aprovechamos para ponernos al día sobre nuestros trabajos y trayectoria profesional. No me resultó fácil explicar a lo que se dedicaba mi empresa y todavía menos fácil que me entendieran. Ya me había pasado en otras ocasiones.
Hablar de términos como datamining, Business Intelligence o modelos estadísticos de predicción no hizo más que complicar la cosa (estoy seguro que todos los que se dedicaban al Data Analytics o similar por aquella época se reconocen en la situación). Tenía asumido que mi trabajo era poco habitual y difícil de entender. No me frustraba. Bueno…un poco.
“¡Ah! ¡Sí! Temas de Big Data. ¿También hacéis machine learning?… el sector de moda”
Hace unos meses acudí a otra reunión de antiguos alumnos. Tras el consabido repaso de anécdotas y situación familiar, mientras explicaba mi trabajo, tardé poco en escuchar “¡Ah! ¡Sí! Temas de Big Data” “¿También hacéis machine learning?” “…el sector de moda”. No me sorprendió. Ya había constatado en otras situaciones que el nivel de conocimiento general sobre estos términos era bastante alto. Innumerables artículos en prensa y noticias en TV han popularizado su uso. Ya no me frustro.
Estas dos situaciones, vividas en un intervalo de 10 años, reflejan el crecimiento exponencial que ha vivido el análisis avanzado de datos. La utilización del Data Analytics se ha expandido de manera imparable. No sólo se ha intensificado su utilización en los departamentos de Marketing o de Ventas (donde lleva años utilizándose), sino que el resto de áreas (RRHH, Finanzas, Operaciones) han decidido apostar firmemente por explotar la ingente cantidad de datos de los que disponen. Se ha convertido en una actividad clave para tomar mejores y más rápidas decisiones.
“Cada vez más jugadores quieren estar en el terreno del Data Analytics”
Como es lógico, este auge y crecimiento ha provocado que cada vez más jugadores quieran estar en el terreno del Data Analytics. Empresas de sistemas y tecnología, desarrolladores de herramientas, consultoras de negocio generalistas, agencias de marketing o consultoras estratégicas (y podría seguir). Esta diversidad ha generado enriquecimiento, aportando cada jugador el enfoque del lugar del que viene, y múltiples visiones diferentes.
En este artículo intento trasladar la visión de nuestra empresa, MBD Analytics. Una visión formada desde la experiencia, desde los más de 20 años que llevamos trabajando en esta área, desde los más de 1.000 proyectos que hemos desarrollado para empresas de primer nivel.
Para ello voy a apoyarme en 6 aspectos claves a tener en cuenta a la hora desarrollar proyectos e iniciativas de Data Analytics, que coinciden con los valores diferenciales de MBD Analytics:
- Impacto en el negocio: El análisis avanzado datos no es un fin, es un medio. Mucho resultados, realizados con avanzadas tecnologías de BigData o innovadores modelos de machine learning, son muy potentes técnicamente hablando, pero acaban olvidados en un cajón porque no son accionables o no son entendibles por los responsables de negocio que toman las decisiones (no tienen por qué ser expertos estadísticos). Lo importante es el negocio. Los resultados obtenidos deben ser operativos, tangibles, accionables y resolver una necesidad de negocio real.
- Resultados a C/P – Quick Wins: Hay que apostar por proyectos a corto plazo o con quick wins, que den resultados de valor con rapidez. Hay que realizar una constante evaluación coste/beneficio del trinomio complejidad-resultado-tiempo. El entorno empresarial es cambiante y dinámico. Los proyectos que se alargan en el tiempo, cuando terminan (si terminan), normalmente ya no responden a la realidad del negocio de ese momento. Lo que hoy es prioritario, mañana puede dejar de serlo.
- Transparencia “sin cajas negras”: Los proyectos de Data Analytics requieren del uso de avanzados procesos de manipulación de bases de datos o complejos algoritmos de machine learning. Todo ello debe quedar adecuadamente documentado. El Know-how debe quedar integrado en la compañía para que pueda ser reutilizado ante cambios o nuevas necesidades.
- Proyectos E2E automatizados: La tecnología y las herramientas han avanzado a la misma velocidad que el Data Analytics. Esto ha posibilitado el desarrollo de proyectos con tareas y procesos automatizados que aportan dos grandes beneficios: eficiencia en los recursos (no dedican tiempo a tareas repetitivas de poco valor) y que los resultados se obtengan a tiempo y con mayor rapidez (se evitan procesos manuales que consumen tiempo y aumentan la probabilidad de errores). La formación de equipos de trabajo multidisciplinares, que integran capacidades de gestión de bases de datos, de herramientas estadísticas y de visualización, de análisis matemático y conocimiento del negocio, permite desarrollar proyectos End2End, más efectivos y eficientes.
- Integración On Line & Off Line: En la gran mayoría de las compañías existe una realidad multicanal destinada a la captación y gestión de los clientes, en donde cada canal tiene sus propias necesidades, reglas de funcionamiento y plataformas tecnológicas de datos e información. La proyectos analíticos que solucionan la dificultad de integrar la información del mundo On Line y del mundo Off Line (puntos de venta físicos o plataformas de televenta/atención al cliente) resultan claves para aquellas decisiones que requieren contar con una visión global.
- Small Data & Big Data: La tentación de focalizar los análisis de datos en el entorno Big Data y la casi infinita información existente en el mundo digital, no debe hacernos olvidar el elevado potencial de conocimiento pendiente de explotar que todavía tienen las compañías en sus bases de datos relacionales “más tradicionales” (Small Data). El éxito está en extraer conocimiento de alto valor de ambos entornos.
