InicioProtagonistasData Intellig...
globalnpl 650x250 1

Data Intelligence o cómo transformar los datos en valor

El reto actual de las compañías en una toma de decisiones óptima implica combinar el potencial de los datos y la inteligencia humana

Data Intelligence o cómo transformar los datos en valor

Gracias a las nuevas tecnologías y a la influencia de ciertas empresas como GAFAM, las estrategias de data son cada vez más reconocidas en contextos empresariales. Sin embargo, a pesar del nacimiento de Data Intelligence, la mayoría de las compañías no saben cómo utilizar los datos que tienen a su disposición.

La cantidad de datos que genera cada persona sigue en aumento, desde frecuencias cardíacas hasta canciones, marcas y películas favoritas. En 2018, se crearon 2,5 quintillones de bytes de datos cada día. A pesar de esta cifra tan difícil de imaginar, la recopilación y el uso del “petróleo del siglo XXI”, como define a los datos Kai-Fu Lee, exdirector de Google China, sigue siendo todo un desafío para las organizaciones. De hecho, solo se analiza el 0,5% de este gran volumen de datos.

La inmaterialidad de los datos puede explicar la dificultad para extraer su valor añadido. El mundo se ha construido principalmente sobre la identificación y transformación de materias primas físicas. Por ello, concebir los datos como una materia concreta, del mismo modo que el acero, por ejemplo, puede parecer surrealista desde el punto de vista cultural. Sin embargo, la comparación es interesante ya que ambos requieren de herramientas específicas y mano de obra especializada.

La investigación y el análisis de la información siempre han sido elementos determinantes en el éxito de una empresa. Así, Sun Tzu, uno de los más grandes filósofos de la estrategia militar, escribió sobre la información: “Quien conoce al otro y se conoce a sí mismo, puede librar cien batallas sin correr nunca peligro”. Con el desarrollo de la digitalización, la naturaleza de la información disponible ha evolucionado. A partir de ahora, este conocimiento pasa de la observación visual al cómputo cada vez más detallado de datos desmaterializados.

Inteligencia de datos: fuente de valor añadido

A día de hoy, un número creciente de empresas logran generar informes apoyándose en datos (Business Intelligence) a través de herramientas como Power BI. Desafortunadamente, un pequeño número consigue analizarlos, ordenarlos y explotarlos a un nivel más preciso mientras los combina.

La madurez de las empresas en lo que respecta a los datos varía enormemente ya que estos a menudo se enfrentan a dos tipos de situaciones. La primera, se refiere a una empresa que genera muchos datos de diferentes fuentes (ERP, CRM, SAP, API, etc.) y no sabe cómo utilizarlos para crear valor. El segundo caso corresponde a la compañía que ni siquiera conoce la existencia de los datos de los que puede disponer.

Según algunas firmas de consultoría, solo el 32% de las empresas logran obtener un valor tangible y medible de sus datos. Los estudios también muestran que alrededor del 70% de los datos recopilados y almacenados minuciosamente por las empresas no se utilizan, y los que realmente se utilizan a menudo se emplean de forma inadecuada.

Contrariamente a la creencia popular, el enfoque de confiar únicamente en lo que indican ciertas herramientas de apoyo a la toma de decisiones es limitado y arcaico. ¿Cómo se puede pretender comprender realmente una información si no se conoce su origen, sus límites o su relación con otra información?

El nuevo reto de una organización ya no es solo disponer de información sobre su actividad, ahora radica en identificar y explotar esta información que otros no tienen o no han conseguido identificar.

La capacidad de analizar datos con una granularidad más fina y detallada a través de técnicas como la Inteligencia Artificial (IA) se denomina Data Intelligence. La ventaja para las empresas radica en complementar la actividad de Business Intelligence al permitir traspasar los límites de la compañía, en particular en la comprensión de su entorno. En un mundo donde los volúmenes de datos que afectan a la salud, al medio ambiente y a la sociedad han aumentado, una toma de decisiones óptima implica combinar el potencial de la IA con la inteligencia humana.

Concretamente, las empresas más maduras en materia de datos consiguen ir más allá de lo observable visualmente. Entienden las expectativas de los consumidores, personalizan la experiencia del usuario, predicen la evolución de las ventas al detectar tendencias, anticipan errores en las máquinas, mejoran la ejecución de estrategias, reducen costes, etc.

La inteligencia de datos puede permitir a las organizaciones comprender a los seres humanos con una delicadeza psicológica sin precedentes. En un mundo donde el individualismo es la norma principal, la capacidad de analizar datos al nivel de un individuo constituye una ventaja competitiva. Es innegable que el mundo avanza hacia una hibridación cada vez más estrecha entre humanos y máquinas, por lo que esta nueva etapa del desarrollo humano abre nuevas fronteras. Las empresas que la liderarán serán aquellas que hayan logrado comprender y predecir el comportamiento de un ser humano con un alto nivel de precisión a través de los datos que generamos constantemente.

En este mismo ejemplo, la estrategia de Data Intelligence actúa como un círculo virtuoso a través de un efecto de red. Cuanto más entiende Amazon sus datos, más personaliza sus productos, lo que ayuda a atraer nuevos consumidores que aportan nuevos datos al negocio.

Antes de considerar qué es posible hacer con los datos, debemos identificar la naturaleza de los mismos. Así, la inteligencia de datos permite a una empresa comprender mejor lo que tiene (el origen de sus datos, la forma en que se crearon, su vida útil, etc.), determinar cómo crear los datos adicionales que necesita y optimizar los que tiene a su disposición.

Por tanto, es posible generar datos estratégicos, confiables y reutilizables para otros casos de uso. Estos dos últimos elementos contribuyen a aumentar el valor de mercado de los datos.

Como era de esperar, el argumento monetario es una forma extraordinaria de convencer a una empresa para que invierta en la explotación de sus datos.

Necesidad de experiencia

Al igual que las mercancías físicas, la acumulación de datos no significa necesariamente una mayor riqueza. Muchos líderes cometen el error de pensar que una gran cantidad de datos es suficiente para generar valor. En realidad, la calidad de los datos juega un papel fundamental en la explotación de los mismos. Si los datos son inexactos, obsoletos o incompletos, la información procedente de estos datos será difícil de usar. Desafortunadamente, el problema de la calidad de los datos es subestimado con demasiada frecuencia por las empresas que todavía operan principalmente con archivos de Excel incompletos.

Implementar una estrategia de Data Intelligence es una tarea compleja con muchos obstáculos que sortear. En primer lugar, tener calidad y cantidad de datos no es suficiente para una estrategia de Data Intelligence. Las empresas deben, en particular, integrar otras dimensiones como la confidencialidad (GDPR, etc.), ya que se debe tener en cuenta que disponer de datos no implica necesariamente la autorización para utilizarlos. Hay muchos ejemplos que ilustran el peligro potencial de usar datos sin el consentimiento específico del usuario.

Dado que los datos son de naturaleza neutra, es su uso el que determina su posible impacto negativo o positivo en la sociedad. En consecuencia, en el marco de una estrategia de Data Intelligence, se debe realizar un riguroso trabajo de control y cumplimiento de los datos.

Al mismo tiempo, la mayoría de las organizaciones no saben qué usos son posibles con los datos recopilados. ¿De qué sirve tener muchos datos si no sabes qué hacer con ellos? A menudo, los líderes empresariales no tienen las habilidades internas necesarias para aprovechar estos datos.

Por lo tanto, puede ser apropiado recurrir a un partner externo especializado en Data Intelligence que tenga experiencia tanto técnica como empresarial gracias a los diversos proyectos realizados con anterioridad. Una estrategia de Data Intelligence también debe tener en consideración el mercado de la empresa, su madurez en cuanto a datos, la estrategia de la empresa, sus procedimientos internos, su forma de generar y recopilar datos y, finalmente, las herramientas existentes.

La transformación de los procedimientos existentes, el freno al cambio y el aspecto humano no deben subestimarse en modo alguno. Un cambio de mentalidad, cuando se trata de datos, seguramente será necesario. Según Harvard Business Review, solo el 24% de las empresas considera que su organización se basa en datos. Sin un liderazgo fuerte capaz de representar una cultura de datos, una estrategia de Data Intelligence está condenada al fracaso.

Control de datos: el reto del presente y del futuro

En general, de cara a desbloquear nuevas fuentes de competitividad, las organizaciones deben ir más allá de la información proporcionada por ciertas herramientas y comprender cómo se recopilan los datos.

Si bien es innegable la paulatina toma de conciencia de la necesidad de una estrategia de Data Intelligence, esta se verá incrementada por la aparición de nuevas tendencias y tecnologías. Según Forbes, para 2025, el volumen de datos se duplicará cada 12 horas. Esto se explica por el desarrollo de la realidad aumentada, el metaverso, Internet de las Cosas (IoT), la Inteligencia Artificial, etc.

Por lo tanto, será cada vez más crítico para las compañías saber cómo procesar sus datos para considerarlos como un material concreto sobre el que trabajar. Sin duda, su futuro depende de su capacidad para llevar a cabo esta revolución cultural.

globalnpl 650x250 1

B-Exclusives

Latest news