Siempre se ha dicho que la experiencia es un grado y que las cosas hay que verlas para creerlas. Estos principios han guiado a las empresas de todo el mundo durante mucho tiempo. Aunque muchas compañías ya están inmersas en su transformación data driven, otras –pequeñas y medianas, sobre todo- todavía están dando los primeros pasos en la analítica de datos.
En estas últimas, las “pruebas de campo” resultan cotidianas: anticipar una visita a la instalación para prevenir que una maquinaria se estropee, inspeccionar los contadores para evitar el fraude, revisar in situ los procesos de fabricación para mejorarlos… Es frecuente pasear por el campo de cultivo para ver cómo crece la cosecha, comprobar con una visita al almacén si hay suficientes materias primas para producir o visitar las tiendas para conocer los tipos de clientes que entran en ellas.
Pero esta pandemia y la consecuente limitación de movimientos nos ha obligado a reducir e incluso anular visitas que hasta ahora resultaban fundamentales para la toma de decisiones. Esto ha acelerado la necesidad de las compañías de convertirse en data driven. En primer lugar, priorizando la digitalización de todos los procesos y, después, tratando de mejorar la toma de decisiones basadas en datos. Ha quedado demostrado que convertirse en data driven es la decisión más inteligente.
Pero ¿están preparadas las compañías para basar en datos la toma de decisiones? ¿Están capacitados los empleados, que son su principal activo y en los que recae el cambio cultural necesario, para la analítica de datos?
Distintos perfiles en el ciclo de vida del dato
Es preciso identificar distintos perfiles en el ciclo de vida del dato para poder adecuar los conocimientos y capacidades a sus necesidades.
Los primeros son los productores o data authors, que son capaces de crear soluciones basadas en datos. Para poder realizar su trabajo, necesitan una profunda formación en técnicas y tecnologías asociadas a la gestión de la información. Entre ellas destacan la programación, la estadística, el machine learning y la gestión de bases de datos. Estas personas, conocidas como científicos de datos, ingenieros de datos, arquitectos de datos o similares, suelen trabajar en equipos multidisciplinares para poder combinar sus conocimientos.
Pero no es suficiente con contratarlos y ponerlos a trabajar. Para que puedan desarrollar toda su capacidad y extraer el máximo valor de los datos es necesario implantar en la compañía un ecosistema del dato o product data ecosystem que incorpore la tecnología, las técnicas analíticas y las aplicaciones que permiten capturar, almacenar, procesar y analizar dichos datos.
Es en esos ecosistema donde grupos de trabajo multidisciplinares generan las soluciones basadas en datos que extraerán insights de negocio. Luego serán utilizadas por el resto de la organización en la toma de decisiones.
Planes de alfabetización de datos
Este otro grupo de consumidores de datos o data consumers debe tener capacidad analítica de datos para poder comprender las técnicas utilizadas e interpretar de forma correcta los insights presentados. La realidad es que en muchas compañías no todas las personas están preparadas para poder analizar, interpretar y aprovechar un resultado analítico.
Por supuesto, no es necesario que tengan una formación tan profunda como los data authors, pero sí unos conocimientos básicos y unas capacidades analíticas que normalmente no han desarrollado en su carrera formativa ni en su vida laboral.
Por ello, es necesario establecer un plan que permita a los empleados extraer todo el valor de los datos. Estos planes de alfabetización de datos o data literacy tienen por objetivo capacitar a los empleados en el uso de los datos.
En ellos se establecen niveles de conocimiento y capacidades necesarios en función del rol y las decisiones que cada cual debe tomar.
Para poder establecer un plan adecuado para la compañía, es preciso realizar un análisis de las necesidades analíticas de cada persona y una evaluación de las capacidades para identificar el progreso necesario.
La analítica de datos, una necesidad como la ofimática
El camino es similar a otro que ya hemos recorrido con anterioridad. Hace 35 años comenzó a introducirse en las compañías la ofimática. Primero fue a través de la figura del especialista para, poco a poco, convertirse en una necesidad para todos los empleados. Por supuesto, con distintos grados de complejidad y uso según el desempeño.
Actualmente, para anticipar si una maquinaria se va a estropear, basta con sensorizarla y analizar los modelos de mantenimiento predictivo. Se puede comprobar si hay fraudes en un contador si éste está conectado, con técnicas de detección de anomalías. Para mejorar un proceso de fabricación, nada como la monitorización y optimización con técnicas de minería de procesos. Para ver cómo crece la cosecha, los drones pueden realizar un análisis espacial. El modelo predictivo de rotura de stock asegura la existencia de materia prima para la producción. Y para conocer los tipos de clientes que entran en las tiendas se puede seguir su huella digital incluso en locales brick and mortar.
En un futuro próximo, cada empleado deberá tener capacidad analítica de datos junto a la ofimática y el inglés. De hecho, en muchas carreras se va introduciendo cada vez con más fuerza el análisis de datos como una competencia trasversal de cualquier profesión.
Imagen: John Spencer
Soluciones y Sectores
Te puede interesar
-
5G en logística: aplicaciones y beneficios
5G en el sector logístico resulta un gran aliado para acelerar la transformación de las empresas del sector. Ya ...
-
NB-IoT, una tecnología madura más allá del sector del agua
El pasado 11 de marzo Canal de Isabel II celebró, junto a los principales operadores de telecomunicaciones -Telefónica entre ...
-
Digitalización de la tienda física, el futuro del retail
Ya hay tiendas físicas con probadores virtuales, cajas de autopago, perchas que reflejan el número de likes que esas prendas ...
