La analítica de datos es una función que, indudablemente, continúa tomando relevancia en las empresas en el mundo. Ser “data driven” forma parte de la agenda estratégica de las compañías, y hacer esta declaración y compromiso con los órganos de gobierno, con los comités y la alta dirección es prácticamente un deber del liderazgo visionario hacia una transformación digital, sin embargo, ejecutarla presenta vicisitudes diversas, entre las que destaca el talento analítico requerido para proveer de información relevante a la compañía para la toma de decisiones.
En mi artículo previo planteé la importancia de contar con una estructura organizacional de analíticos que sustente la estrategia de datos de la compañía, y esta recomendación implica diferentes vertientes para ser considerada como cumplida. En primer lugar, es importante mencionar que un área de analíticos es, en buena medida, una startup dentro de las compañías: crear el área desde cero, con conocimiento muchas veces limitado en torno a ¿qué es lo que producen esos científicos de datos? ¿cuál es el valor que aporta el área de analíticos? ¿acaso los números no son responsabilidad de finanzas o de planeación? hasta ¿cuál es headcount que debe tener un área de analíticos y cuándo debe crecer? Las respuestas a estas interrogantes son normales cuando se está en este trance de intentar tomar decisiones basadas en datos.
Manteniendo la lógica de startup, retomo la idea de Rei Inamoto, quien propone que un equipo mínimo indispensable para echarla a andar debe ser el hacker, el hípster y el hustler. El primero de ellos corresponde al conocimiento técnico: ingenieros y desarrolladores que en el caso de la estrategia de analíticos corresponden con el perfil técnico que asegura que las integraciones entre los diferentes sistemas ocurran y que garanticen que el envío e intercambio de información es correcta en tiempo y forma, además de poner sobre la mesa la frecuencia de actualización de información, el tipo de almacenamiento, la capacidad de procesamiento y almacenamiento para poder gestionar eficientemente el manejo de la información. El segundo se debe asegurar que la forma en la que se presenta la información sea amigable, que la tecnología esté al servicio de los interesados, es cecir, que los tableros sean claros, intuitivos, fácilmente comprensibles, accesibles y, sobre todo, que la apariencia de la información sea legible, desde el punto de vista de negocios para facilitar la toma de decisiones. Este perfil coadyuva en el diseño y apariencia de la información, los formatos, acomodo y, en general, el look and feel de la información a mostrar. El tercer perfil entiende perfectamente el lenguaje del negocio, los intereses y motivadores de las áreas a las que se les presta servicio desde la analítica de datos y, con esa intuición, ayuda a anticipar las posibles preguntas que el negocio pudiera hacer, las necesidades de información que pueden existir y, sobre todo, de abrir el espectro a sus clientes internos en torno a los datos disponibles, tanto de fuentes internas como externas, pero también en torno a cómo usarlos para tomar las mejores decisiones. Este perfil traduce el lenguaje estadístico al lenguaje comprensible para los tomadores de decisiones.
Esta combinación tripartita sienta las bases para proveer lo que en todas las compañías debería ser visto como un servicio interno: la analítica de datos. Tras la descripción de tres perfiles dentro de un área de analíticos, salta a la vista la variedad de aptitudes que deben formar parte de estos equipos, para los cuáles se recomienda que sean multidisciplinarios, pero al mismo tiempo que tengan experiencia en diferentes niveles e industrias y, sobre todo, que tengan la capacidad de auto aprender, desaprender y volver a aprender. Lo anterior es debido a que la analítica de datos se fundamenta, en buena medida, en modelos y plataformas existentes, sin embargo, la única constante es un cambio acelerado: desde las herramientas disponibles en el mercado, los modelos disponibles, la pertinencia de su aplicación, pero también las necesidades numéricas de las compañías, lo cual requiere una gran versatilidad numérica, tecnológica y de negocios.
No menos importante resulta el hecho de contar con el headcount suficiente para el desarrollo de insights. Por supuesto, como todo crecimiento, es normal que sea gradual, y también es normal comenzar con los análisis más básicos de tinte retrospectivo, pero el verdadero valor de las áreas de manejo de datos para toma de decisiones radica en anticipar y ofrecer a sus interlocutores información útil para accionar con base predictiva. Para llegar a una fase de analítica predictiva es necesario recorrer un camino de conocimiento de información y madurez dentro de la compañía, en torno al entendimiento y uso de la analítica de datos, así como el uso de herramientas analíticas como parte de su disciplina diaria. Desafortunadamente esta transformación toma tiempo y se complica aún más cuando no se visualiza el valor que agregan las áreas de inteligencia de datos, ya que suelen ser áreas menos lustrosas que las áreas de ventas, por citar un ejemplo. Limitar, tanto en manos como en alcance a las áreas de analíticos, puede jugar en contra y dejar que los competidores con un enfoque más basado en datos actúen y tomen liderazgo en el mercado. Dicho lo anterior, el secreto del éxito de una estrategia de datos no está en las plataformas; está en el talento, tanto el que crea los datos como el que los usa.
La autora es doctora en mercadotecnia, profesora del Departamento de Mercadotecnia y Análisis de EGADE Business School del Tecnológico de Monterrey, Directora de Desarrollo de Clientes y Analíticos en Retail, conferencista y escritora.
Fabiola Vásquez <fabiola.vasquez@tec.mx>