Articles

Cómo aprovechar la analítica para convertirse en una organización verdaderamente basada en datos – tres cosas a considerar

Cómo aprovechar la analítica para convertirse en una organización verdaderamente basada en datos-tres cosas a considerar
Por Dorman Bazzell y Scott Schlesinger, Capgemini
Hay un nuevo papel dentro de muchas organizaciones líderes que se centra en ayudar a transformar los datos en información y la información en inteligencia– el científico de datos. Es un papel un poco ambiguo, ya que no muchas personas entienden lo que hacen y cómo lo hacen. Sin embargo, es un papel que se venera como muy importante. Los científicos de datos ayudan a la organización a trazar el camino a seguir aprovechando los datos y creando sofisticados algoritmos estadísticos en un esfuerzo por resolver problemas en el camino hacia la inteligencia procesable. Este trabajo tiene tanta demanda que McKinsey estima que habrá una necesidad de hasta 190,000 científicos de datos en los Estados Unidos para 2020.
Hoy en día, sin embargo, hay muy pocos científicos de datos y talentos disponibles que tengan un conocimiento profundo de cómo aprovechar al máximo los datos. Entre el resto de nosotros, muchos están ansiosos por aprovechar rápidamente esta tendencia para aprovechar la gran cantidad de datos nuevos que llegan a nuestra organización acumulando y evaluando más puntos de datos que nunca para respaldar la toma de decisiones.
Lo que muchos se han dado cuenta es que su interés radica menos en la tendencia en sí, pero más en el análisis. Ese afán, impulsado por el deseo de obtener de inmediato información valiosa y procesable a partir de datos, lamentablemente está dando lugar a resultados de bajo impacto. Los elementos clave fundamentales necesarios para realizar realmente una visión analítica efectiva se pierden rápidamente.
A través de las iniciativas de nuestros clientes, creemos que hay tres elementos esenciales que los líderes en cualquier función empresarial deben adoptar para garantizar resultados ideales a través del análisis de datos. Estos incluyen crear una clasificación que distinga entre big data y análisis; definir un caso de uso empresarial claro; y optimizar la infraestructura y las herramientas existentes para apoyar el esfuerzo.
Separar el Big Data del análisis
La idea general detrás del big data no es nueva. Las empresas han estado buscando aprovechar los datos disponibles para mejorar las operaciones comerciales y las iniciativas de los clientes durante años. Lo que es diferente hoy en día es la gran cantidad de tipos y volúmenes de datos, sus puntos de entrada y la velocidad a la que las organizaciones buscan adquirir y analizar estos datos. Lo que a menudo se pierde por el afán es la comprensión de que el big data no se trata solo de recopilar y administrar conjuntos de datos. Más bien, el big data debe incorporar análisis, la capacidad de evaluar e identificar resultados y tendencias para tomar decisiones empresariales más informadas e impactantes. Para aprovechar los beneficios de la analítica, las empresas necesitan rigor organizacional en torno a la adquisición y el aprovechamiento eficientes de big data. Al principio, todos los que participan en una iniciativa deben tener la misma comprensión y expectativas.
Definir el caso de uso empresarial
El recorrido de big data y análisis comienza con un caso de uso empresarial relevante, claramente definido y bien entendido. Sin embargo, una de las principales causas de frustración es lanzarse a una iniciativa de análisis demasiado pronto sin definir claramente qué es lo que la empresa quiere lograr.
A medida que las empresas buscan aprovechar los datos, ya sean internos, externos, estructurados o no, para aumentar la eficiencia operativa, mejorar la rentabilidad y aumentar la cuota de mercado, analytics ofrece la capacidad de obtener información sobre áreas del negocio que anteriormente eran una realidad distante. ¿Cuáles son las ideas que espera obtener? ¿Qué quieres medir? ¿Qué espera lograr a través de la analítica para su departamento o empresa? Estas preguntas deben responderse antes de comenzar el viaje, de lo contrario no llegará a donde se anticipó y sus expectativas de ROI se desvanecerán.
Las organizaciones deben comprender por qué y dónde tiene sentido aprovechar el big data. El establecimiento de un conjunto de casos de uso priorizados a nivel de área funcional garantizará claridad y orientación estratégica para cada iniciativa y proporcionará criterios de éxito para medir los logros. Los casos de uso ayudan a crear casos de negocio que proporcionan tanto a TI como a la empresa un marco común para abordar las preguntas de retorno de la inversión que se esperan del liderazgo de la organización para los inversores.
Por ejemplo, es bastante sencillo para un minorista de ropa rastrear el número de corbatas vendidas para hombres. Pero, es menos obvio para ellos, a menos que hagan uso de la conversación de datos sociales, por qué los lazos particulares donde se encuentran tales vendedores calientes. Las compañías petroleras pueden usar los datos de los sensores de las máquinas para determinar cuándo puede fallar un dispositivo de prevención de explosiones y cuál es la causa probable.
Este uso de datos está mejorando la seguridad de los trabajadores; prevención de daños ambientales y eliminación de costos potenciales.
Optimizar las Inversiones tecnológicas existentes
Muchas empresas que buscan aprovechar rápidamente los análisis se apresuran a tomar decisiones de compra. Buscan el software y las herramientas de análisis más recientes y mejores. Sin embargo, al no haber creado primero un caso de uso empresarial claro ni establecido los marcos de gobierno de datos adecuados, es probable que obtengan un bajo retorno de la inversión desde el principio.
Las empresas deben analizar primero su infraestructura de TI y sus sistemas de planificación empresarial actuales y buscar formas de vincularlos con fuentes externas, como redes sociales y sensores. Esto les ayudará a obtener información inicial de los datos que probablemente garantizará una mayor flexibilidad para escalar los análisis de los conjuntos de datos posteriores que tendrán un impacto más amplio en el negocio, sus socios y clientes. Más importante aún, esta práctica proporcionará un camino hacia esfuerzos de optimización de datos más eficientes para aprovechar las herramientas de datos de código abierto, como Hadoop, para almacenar y evaluar conjuntos de datos más grandes.
Obtener respuestas en tiempo real a partir de datos es el resultado ideal de la analítica. Actuar sobre estos tres elementos críticos requiere un aprecio por la paciencia-requieren tiempo. El afán por emplear análisis y lograr resultados rápidos corre el riesgo de crear más dificultades que beneficios para el negocio a largo plazo. Para que las organizaciones puedan obtener sus resultados ideales con análisis, estos pasos de bloqueo y abordaje son esenciales. Sin duda, llevan tiempo, pero su retorno de la inversión será invaluable para cualquier iniciativa de análisis.

Deja una respuesta

Tu dirección de correo electrónico no será publicada.