Innovación basada en datos, ¿por dónde empezar?

Autor: Renzo Casapía*

Muchos de los líderes que participan en conferencias sobre transformación digital, tecnologías disruptivas (todas ellas, basadas en grandes cantidades de datos) regresan con la misma sensación que dejan las películas de superhéroes. Sin embargo, días después en la oficina, con una presión de corto plazo abrumadora, esos mismos líderes se dan cuenta de que el camino de transformación es más largo de lo que pensaban y que acceder a los datos que necesitan para innovar puede tomar meses o años.

Tradicionalmente los datos y las tecnologías han estado concentradas en áreas técnicas o financieras. Si bien éstas se han ido alineando cada vez más al negocio, continúan imponiendo altos niveles de protección y de control sobre la información. Como es lógico, el uso más frecuente de los datos ha sido: revisar históricos para reducir costos, encontrar culpables de las ventas bajas o responder a un área corporativa que pide información que toma semanas (y un ejército de talento) producir.

La competencia y la velocidad de los negocios está forzando a las empresas a democratizar su información y a usarla para innovar. La esperanza es que, si tenemos todos los datos posibles en frente, sabremos como usarlos y aprovecharlos. La realidad es que, igual que con nuestras dosis diarias en redes sociales, tenemos muchos más datos de los que podemos llegar a consumir. 

El primer paso es entender cuál es el objetivo de negocio, qué estrategias soportan ese objetivo y qué datos tenemos de nuestros clientes (o qué necesitamos saber de ellos) para alcanzar ese objetivo. Parece algo muy evidente, pero no todas las empresas lo hacen y las que lo hacen delegan el proceso a las áreas de tecnología. Tomemos el ejemplo de una cadena de restaurantes. Su objetivo será incrementar las ventas en todas sus sucursales y, para ello, establecerá iniciativas concretas, como desarrollar una tarjeta de lealtad, promociones que generen tráfico a los restaurantes o ampliar sus servicios a empresas, entre otras.

El siguiente reto es identificar dónde está toda esa información. Esto genera mucha frustración, ya que la mayoría de las empresas se dan cuenta de que su información está dispersa, desordenada y que, detrás de los reportes y gráficas del CEO, hay mucha labor manual en Excel, información inexacta y conclusiones manipuladas. En esta etapa se deberán tomar decisiones importantes sobre cómo y dónde consolidar esa información, qué talento y tecnología usar, quién debe ser el dueño de cada pieza de datos (‘gobierno de datos’) o si la empresa debe moverse a la nube para garantizar escalabilidad y seguridad.  

Volviendo al ejemplo de la cadena de restaurantes, el líder y su equipo de datos deberán ahora alinear en una matriz las fuentes potenciales de datos con sus iniciativas de negocio: datos internos (normalmente estructurados) como el historial de compras del punto de venta y datos externos (no tan estructurados) como información sobre el competidor, los eventos y la actividad de redes sociales. Cada una de estas iniciativas debe alinearse a un objetivo de ventas y priorizarse según su viabilidad –qué tan fácil será conseguir y procesar esos datos—, así como según su impacto en el negocio –cuánto ingreso marginal puede generar utilizar los datos para esta iniciativa—.

Una vez definidas las iniciativas, es momento de crear modelos. Aquí la figura del equipo de datos y, en particular, del científico de datos cobra mayor importancia. Armado con conocimientos de matemáticas y de programación, y siempre guiado por un líder de negocio, éste creará modelos que correlacionen el comportamiento de los clientes y sus compras pasadas. Por ejemplo: con qué precio o promoción mis restaurantes atrajeron clientes, cómo afectó la temperatura o el tráfico a las ventas en ciertos días, qué vendedor logró vender más productos complementarios o qué sentimiento general tuvieron las redes sociales sobre mi marca y mis promociones el día que las lancé.

Aplicando metodologías de machine learning, el equipo analizará descubrimientos en la data que explican comportamientos (insigths), construirá escenarios (predicción) y definirá junto a la línea de negocio qué acción tomar (prescripción). En caso de los restaurantes, podrán sugerir determinados precios, campañas, horarios y hasta vendedores claves para obtener más ventas en las tiendas. No vamos a cambiar el mundo en un día, será necesario probar el modelo y lanzar ofertas en ciertas tiendas primero, exclusivamente en redes sociales o en la app. Esto permitirá medir lo que funciona y lo que no, y con qué tipo de cliente, antes de implementar la estrategia a toda la cadena.

El proceso no es infalible y se vuelve un ciclo de prueba y error en el que el líder debe estar dispuesto a resistir el fracaso y abrazar el riesgo. Sus decisiones dejarán de ser reactivas y se tornarán más consistentes; la forma de tomar decisiones en un área irá permeando las demás áreas de la empresa. Comunicar los porqués y educar al resto de la organización será clave para crear una cultura de innovación basada en datos.

Daniel Kahneman, único psicólogo ganador de un premio Nobel de Economía, afirma que nuestra naturaleza nos aleja del riesgo naturalmente, dando cabida primero a la experiencia y la intuición. Un proceso de cambio e innovación basada en datos nos permite experimentar, ajustar nuestro modelo y volverlo a intentar. El conocimiento del negocio y el colmillo del líder serán siempre relevantes, pero ahora tendrán modelos de datos que respalden sus decisiones y, lo más importante, un ambiente más consistente de prueba y error.

Nuestro peor enemigo no es lo que no sabemos, sino lo que pensamos que sabemos. Los datos y las tecnologías basadas en datos están aquí para descubrirlo in fraganti y vencerlo.

*Profesor de Data & Analytics en Needed Education, Managing Director Cengage Latin America.

*Artículo publicado en Forbes México