Analítica aumentada

Capítulo 1. La transformación empresarial

Este trabajo se ha traducido utilizando IA. Agradecemos tus opiniones y comentarios: [e-mail]

Mientras escribimos este libro en 2024, el panorama empresarial está marcado por la creciente adopción de tecnologías y prácticas digitales, a menudo denominada "transformación empresarial" o "transformación industrial". Esta transformación no es la primera. Hasta ahora, el mundo ha sido testigo de tres transformaciones industriales, cada una de ellas impulsada por una nueva tecnología: la energía de vapor (que comenzó aproximadamente en la década de 1760), la electricidad y la producción en masa (desde mediados de 1800 hasta la década de 1910) y la informatización (desde finales del siglo XX hasta la actualidad). Este capítulo explicará qué tiene de diferente la transformación actual respecto a las anteriores y por qué creemos que la analítica aumentada (AA) está tan bien posicionada para resolver los problemas a los que se enfrentan actualmente muchas empresas.

La analítica aumentada significa sencillamente que proporciona a las personas acceso a la tecnología que les da la ventaja analítica que necesitan para realizar mejor la tarea empresarial que tienen entre manos. Si has oído este término antes, puede que lo asocies con la previsión automatizada en los cuadros de mando de Tableau; eso no es lo que estamos haciendo aquí. El AA requiere un enfoque mucho más holístico para despegar realmente. Profundizaremos en la definición de AA en el Capítulo 3.

Antes de hacerlo, alejémonos un poco y exploremos las fuerzas impulsoras externas que hacen que utilizar AA sea una necesidad para seguir siendo competitivos en el mundo actual.

Por qué se transforman las empresas

Actualmente estamos en la era de la informatización y la información, y muchos expertos creen que la IA impulsará la siguiente fase de esta transformación industrial. Entonces, ¿qué hace que esta fase de transformación empresarial sea más especial que las anteriores? Creemos que hay cuatro factores principales en juego, que examinaremos uno a uno en esta sección.

Factor 1: La velocidad del cambio

La transformación digital se está produciendo mucho más deprisa que las transformaciones anteriores, lo que exige que las empresas sean ágiles y se adapten rápidamente. Por ejemplo, la energía de vapor tardó varias décadas en transformar completamente la economía. La producción en masa tardó aproximadamente medio siglo. Y la informatización tardó entre 20 y 30 años. En cambio, la transformación digital se está produciendo en pocos años para algunas industrias. Para ser claros, la mayoría de las empresas y organizaciones no están hechas para ese ritmo; se necesita un liderazgo excepcional y agilidad organizativa para tener éxito en este entorno.

Para las empresas, este rápido ritmo de cambio ha supuesto una mayor presión para mantenerse al día y seguir siendo competitivas. De repente, todas las librerías de la esquina tienen que competir con empresas como Amazon; todas las empresas de taxis tienen que competir con Uber, que ofrece un servicio al cliente excepcional basado en un análisis de datos de primera clase. Pero la competencia no viene sólo de los actores disruptivos. Incluso las empresas tradicionales han empezado a perturbarse a sí mismas. Considera el cambio hacia la Industria 4.0 en la fabricación, que incluye la adopción de fábricas inteligentes y dispositivos del Internet de las Cosas (IoT) para optimizar los procesos de producción y mejorar la eficiencia.

Factor 2: La convergencia de múltiples tecnologías

Las anteriores transformaciones industriales de estaban impulsadas en gran medida por una o dos tecnologías clave, como el vapor y la electricidad. Pero la transformación digital implica integrar tecnologías como la IA, la computación en la nube, el análisis de datos y el IoT en la fabricación, que por sí solas tienen el potencial de trastocar industrias enteras.

Los avances de las décadas de 2010 y 2020 en computación, redes y almacenamiento han dado lugar a nuevas tecnologías y servicios que han cambiado significativamente la forma de operar de las empresas. Esto hace que la fase actual de la transformación digital sea mucho más compleja y multidimensional. Es extremadamente difícil predecir hacia dónde se dirige el barco y navegar por las aguas con éxito. La disrupción puede producirse prácticamente de la noche a la mañana, como vimos en los espacios de la electrónica de consumo y el comercio minorista, o puede tardar años. Por ejemplo, aunque las energías renovables empezaron a perturbar el sector energético hace unos 20 años, aún están lejos de ser la fuente de energía dominante en la mayoría de los países.

Factor 3: La importancia de los datos

La transformación digital suele requerir cambios fundamentales en los modelos empresariales y en la forma en que las organizaciones piensan sobre los datos. En las revoluciones industriales anteriores, los datos "simplemente ocurrían": sabías cuántos coches vendías, cuánto material necesitabas, cuántos empleados tenías, etcétera. Analizabas los datos a posteriori para mejorar los procesos. No nos malinterpretes: esto por sí solo era algo grande. Alimentó toda una industria de software de inteligencia empresarial en la edad de oro de la informatización, incluidos los proveedores de bases de datos y las herramientas de visualización. Sin embargo, en la era digital, los datos han pasado de ser algo que ocurre a algo que debe ocurrir.

El volumen de datos creados, capturados, copiados y consumidos sigue creciendo a un ritmo sin precedentes, según un informe McKinsey de 2022. Como muestra la Figura 1-1, esta tendencia se viene produciendo desde hace más de una década y se prevé que mantenga su impulso.

Figura 1-1. La creciente cantidad de datos en todo el mundo (fuente: Statista)

La mayoría de las organizaciones han encontrado una forma de abordar el enorme volumen de datos con la tecnología moderna: el almacenamiento barato, la informática de alto rendimiento y la potencia de las redes de baja latencia han permitido una nueva ola de ofertas que tanto los consumidores como las empresas adoran y adoptan, como los servicios de streaming, las plataformas de medios sociales y los sitios de comercio electrónico. La adopción de estos nuevos servicios no sólo ha alimentado el ecosistema digital, sino que también ha generado literalmente el combustible que lo impulsa: los datos.

Sin embargo, la mayoría de estos datos no son datos tabulares limpios que puedan analizarse fácilmente, sino más bien datos no estructurados, como texto, imágenes y vídeos. Las empresas generan datos no estructurados por todas partes, por ejemplo, a través de las redes sociales, las interacciones con los clientes y los sensores IoT. En muchos casos, la tecnología sólo es útil hasta cierto punto; se necesitan habilidades analíticas humanas para dar sentido a los datos. La mayoría de las empresas siguen luchando contra esta creciente complejidad.

Así que las empresas tienen que pensar estratégicamente sobre qué datos necesitan recopilar, cómo los recopilarán y qué perspectivas pueden obtener de ellos (lo que, en algunos sectores, puede ocurrir incluso en tiempo real). Esto requiere un paradigma totalmente nuevo sobre los datos y a menudo impulsa la necesidad de añadir nuevas funciones a una empresa.

Algunas personas comparan los datos de la economía actual con el petróleo de la "vieja economía" como recurso impulsor. Pero creemos que en realidad es una mala comparación. A diferencia del petróleo, los datos no se agotan cuando se consumen. Al contrario, obtenemos aún más datos cuanto más interactuamos con ellos. Los datos tampoco son un recurso escaso: pueden generarse y recopilarse de numerosas formas. El único paralelismo que se mantiene es que tanto el petróleo como los datos valen mucho menos cuando no se refinan. Ambos recursos necesitan un minucioso proceso de limpieza, preparación y gobernanza antes de que puedan utilizarse con fines comerciales. En cierto modo, toda empresa tiene que aprender estas habilidades, aunque nunca antes haya trabajado con datos.

Factor 4: Cambios en el comportamiento de los consumidores y orientación al cliente

Cuando la gente de vio por primera vez el iPhone, no volvió a querer ningún otro teléfono. "¿Quién necesita un lápiz óptico? preguntó Steve Jobs en la icónica presentación del iPhone en 2007, señalando con el dedo en el aire. Desde entonces, los consumidores se han acostumbrado a las pantallas táctiles en lugar de los teclados mecánicos o los bolígrafos de plástico. El iPhone acogió y se anticipó a las necesidades de los clientes, pero nunca habría sido posible sin innovaciones técnicas subyacentes como la pantalla multitáctil, la alta potencia de cálculo y la larga duración de la batería.

Desde entonces, muchas otras industrias han tenido sus propios "momentos iPhone". Por ejemplo:

• Shopify demostró a los propietarios de pequeñas tiendas que gestionar su propia tienda de comercio electrónico no tiene por qué ser difícil ni caro.

• Tesla demostró a los compradores de coches de lo bien que pueden funcionar los vehículos eléctricos, y lo divertido que puede ser conducirlos sin esfuerzo.

• Amazon Prime cambió la forma de comprar, convirtiendo en norma la entrega en un día y elevando el listón de las expectativas de servicio al cliente.

• Netflix revolucionó la forma en que consumimos contenidos de vídeo, introduciendo el binge-watching y las recomendaciones personalizadas basadas en el historial de visionado.

Estos son sólo algunos ejemplos. No estamos respaldando las marcas o servicios subyacentes, sólo queremos mostrarte que la transformación digital abarca todos los sectores y a menudo está impulsada por los cambios de comportamiento y las expectativas de los consumidores.

Industrias muy afectadas por la transformación digital

Los investigadores de McKinsey investigaron el impacto del Big Data en diferentes industrias en un estudio de 2011, que es la fuente de la Figura 1-2. (Aunque la tecnología ha cambiado mucho desde entonces, su importancia en estas industrias no lo ha hecho, y los retos clave se han mantenido sorprendentemente estables). La Tabla 1-1 describe algunos ejemplos de industrias que se han visto extraordinariamente afectadas por los actuales procesos de transformación empresarial, sus retos clave y cómo aprovechan los datos y la analítica para hacer frente a estos retos.

Figura 1-2. Industrias muy afectadas por los macrodatos y la analítica (adaptado de McKinsey)

Tabla 1-1. Industrias afectadas por la transformación digital, sus retos y cómo utilizan los datos y la analítica

Industria	Por qué afectados	Principales retos	Ejemplos de casos prácticos
Agricultura	Satisfacer la creciente demanda de alimentos al tiempo que se abordan los problemas de sostenibilidad	Maximizar el rendimiento de los cultivos Optimizar el uso de los recursos (agua, fertilizantes) Encontrar trabajadores cualificados Cumplir las normas de sostenibilidad	Agricultura de precisión Monitoreo en tiempo real del crecimiento de los cultivos y de las condiciones del suelo Automatización Identificar patrones para un uso óptimo de los recursos
Seguros comerciales	En el mercado de los seguros se observa una potente dinámica. Las nuevas tecnologías deben manejarse con nuevos productos técnicos y soluciones analíticas.	Gestión de la demanda del Internet industrial de las cosas (IIoT), procesos B2B, suscripción basada en datos y fijación de precios	Eficacia comercial en marketing y ventas Excelencia en precios y suscripción Reducción de costes en la gestión de siniestros Reducción de gastos al optimizar las operaciones
Finanzas	Aparición de las fintech La creciente demanda de los clientes de servicios financieros personalizados, baratos y digitales	Infraestructura tecnológica heredada Obstáculos normativos Cuestiones de seguridad	Análisis del fraude en tiempo real Modelización del riesgo de crédito Apoyo a las decisiones de inversión Generación automática de informes
Sanidad	Envejecimiento de la población Aumento de la demanda de servicios sanitarios personalizados y eficientes	Encontrar trabajadores cualificados Contención de costes Cumplir las normas reglamentarias	Medicina y planes de tratamiento personalizados Diagnóstico predictivo Automatización Identificar posibles ahorros de costes mediante el análisis de datos
Tecnología de la información	Las TI desempeñan un papel fundamental a la hora de impulsar la transformación digital en todos los sectores.	Mantenerse al día con las tecnologías emergentes Gestionar los problemas de seguridad y privacidad de los datos	Automatización de procesos Ciberseguridad reforzada Toma de decisiones basada en datos
Fabricación	Mayor presión sobre los costes y mayores expectativas de calidad Globalización de las cadenas de producción y suministro	Reducir el tiempo de inactividad Optimizar la cadena de suministro Mejorar la calidad del producto Reducir los residuos	Mantenimiento predictivo Monitoreo en tiempo real de los procesos de producción Optimizar la logística de la cadena de suministro Optimizar la planificación
Transporte	Descarbonizar el tráfico Nuevas opciones de movilidad automatizada y compartida	Desarrollar nuevos modelos de negocio Abordar los problemas normativos y de seguridad de la movilidad automatizada Mejorar la eficacia operativa	Optimizar las rutas de transporte Predecir la demanda Reducir el tiempo de inactividad de la flota Evaluar el impacto medioambiental Garantizar la seguridad y el cumplimiento
Utilidades	Descarbonización y descentralización Aumento de la demanda de fuentes de energía renovables y estabilidad de la red	Relación coste-eficacia Estabilidad de la red Integración de las energías renovables en la red	Previsión de la demanda y equilibrio de la carga Optimizar la producción y distribución de energía Gestión de la red

Las consecuencias para tu empresa

En el pasado, las transformaciones se centraban principalmente en optimizar los procesos y reducir los costes. Por ejemplo, la fabricación ajustada y Seis Sigma, que consistían en mejorar la eficiencia y reducir los residuos, fueron tendencias populares durante la última revolución industrial. Estos marcos se impulsaron principalmente desde una perspectiva interna: ¿qué podemos hacer mejor y más barato? Nadie se preguntaba por el "qué" y el "por qué" de las necesidades de los clientes.

Hoy, sin embargo, las empresas tienen que centrarse en los clientes y sus necesidades, lo que implica comprender su recorrido y crearles una experiencia sin fisuras. ¿Por qué? Porque es posible. Gracias a la tecnología digital, las empresas pueden recopilar fácilmente grandes cantidades de datos sobre sus clientes y analizarlos para obtener información sobre sus comportamientos, necesidades y preferencias. Como resultado, la orientación al cliente se ha convertido en un componente esencial para seguir siendo competitivo en el mercado actual. Como explicaremos en el Capítulo 2, la analítica es una forma excelente de ayudar a las organizaciones a gestionar esta transformación, y al mismo tiempo es el mayor reto en sí misma.

Según un reciente estudio de Gartner, menos de la mitad de los responsables de datos y análisis afirman que su equipo está aportando realmente valor a su organización. Los principales problemas citados por los encuestados fueron que la analítica ha llegado a un callejón sin salida y que tomar decisiones basadas en datos a menudo resulta "demasiado complicado" o "demasiado técnico" para el empleado medio.

Innovación nos ha demostrado constantemente que la forma de estimular la adopción masiva de cualquier tecnología es hacerla más sencilla y fácil de usar. Piensa en los primeros días de la informática. La mera idea de manejar un ordenador era desalentadora para la mayoría de la gente corriente. Los ordenadores estaban reservados a profesionales con inclinaciones técnicas que podían navegar a través de intrincados comandos de programación. Luego llegaron la interfaz gráfica de usuario, el escritorio y -quizás lo más importante de todo- el ratón. Estos inventos aparentemente sencillos transformaron la informática, que dejó de ser un terreno de especialistas para convertirse en el patio de recreo de todos. Quienes antes se sentían intimidados por las líneas de código, ahora podían apuntar, hacer clic y arrastrar. Estas innovaciones cerraron la enorme brecha existente entre la tecnología compleja y el usuario medio.

Del mismo modo, los teléfonos móviles solían ser para llamar y enviar mensajes de texto. Pero la introducción de pantallas táctiles fáciles de usar, interfaces intuitivas y ecosistemas de aplicaciones los transformaron en herramientas omnipresentes e indispensables para todo, desde la fotografía a la navegación, pasando por la banca. Estos cambios en la tecnología demuestran un principio fundamental: para lograr una adopción generalizada, la tecnología debe ser intuitiva y fácil, y debe atender a las inclinaciones y comportamientos naturales del usuario.

El mundo de la analítica no es diferente. Las personas que utilizan la analítica pero que no son profesionales de los datos constituyen la mayoría de la mano de obra: alrededor del 80%. Puede que a estas personas nunca les interese sumergirse en conjuntos de datos complejos, cribar datos sin procesar o comprender intrincadas herramientas analíticas. En lugar de hacerles llegar al mundo de los datos, tenemos que llevarles los datos a ellos.

No hay transformación analítica sin analítica aumentada

Tus autores de tienen una opinión firme: las analíticas que no aprovechen técnicas modernas como la IA y la automatización no bastarán para dirigir un negocio rentable. ¿Por qué? Porque no podrás ampliar la analítica a toda la plantilla de la organización.

Considera las tres grandes ideas de Big Data: volumen, velocidad y variedad. La analítica tradicional abordaba principalmente el volumen. Con la tecnología moderna y un almacenamiento asequible, ahora también podemos manejar cantidades masivas de datos de forma rápida y económica, resolviendo la velocidad. Con lo que las empresas siguen luchando es con la tercera V: la variedad. El reto de obtener información a partir de datos complejos es cada vez más difícil.

Imagina una empresa mediana que recopila un enorme volumen de datos de numerosas fuentes: sistemas internos, interacciones con los clientes, redes sociales, proveedores externos y más. Cada fuente de datos tiene su propia estructura, formato y nivel de fiabilidad, y existe una miríada de tipos de datos: datos estructurados, como las cifras de ventas, datos semiestructurados, como las opiniones de los clientes, y datos no estructurados, como los comentarios en las redes sociales.

Esta complejidad se agrava cuando la empresa intenta extraer información de sus datos interfuncionales. Digamos que el equipo de marketing quiere comprender el impacto de una reciente campaña promocional en las ventas. Esto requiere integrar y analizar datos de los sistemas de marketing y ventas y, potencialmente, datos externos, como las tendencias del mercado y la actividad de la competencia, en un plazo determinado.

Obtener información procesable aquí va más allá de las capacidades de la analítica tradicional. No puedes averiguar todo esto en una hoja de cálculo manual de Excel o en un panel de inteligencia empresarial (BI) estático y sobrecargado. Los datos de la empresa son un buen representante de los datos actuales: desordenados, contradictorios y difíciles de entender.

Aunque los retos técnicos influyen, la dificultad de dar sentido a todo esto se debe sobre todo a la falta de madurez analítica. Sólo unos pocos "expertos en datos" se ocupan de estos temas y, en algunas organizaciones, los "expertos en datos" son simplemente los mejores usuarios de Excel.

Una cultura basada en los datos

Disponer de las mejores herramientas y tecnologías está muy bien, pero sin la mentalidad adecuada, sirven de poco. Una cultura basada en los datos es una cultura organizativa en la que los datos no sólo se aprecian, sino que se exigen. Es una cultura en la que preguntas como "¿Qué dicen los datos?" son habituales. Para que la analítica tenga un verdadero impacto, las organizaciones deben fomentar una mentalidad curiosa, analítica y siempre ávida de ideas.

Sin embargo, la mayoría de las empresas siguen careciendo de este tipo de cultura de datos. De hecho, la mayoría sigue teniendo problemas con la alfabetización básica en datos, que Gartner define como la capacidad de leer, interpretar, comprender y comunicar datos de forma eficaz. Según un estudio de Qlik de 2020, "sólo alrededor del 24% de los responsables de la toma de decisiones empresariales, desde los directivos subalternos hasta la C-suite, se sienten plenamente seguros de su capacidad para leer, trabajar, analizar y comunicarse con esos datos". Eso significa que la mayoría de los trabajadores aún no tienen las habilidades suficientes para analizar e interpretar los datos.

Afortunadamente, con la cultura y la madurez adecuadas, las organizaciones pueden aprovechar todo el potencial de los datos para orientar las decisiones y la estrategia.

El "problema de las personas" y los límites de la mejora de las cualificaciones

Durante las tres primeras revoluciones industriales de , los empresarios tenían ventaja, con mucho control sobre sus empleados y poca competencia. El taylorismo nunca podría haberse dado en un mundo en el que los empleados pudieran encontrar fácilmente un trabajo alternativo. Hoy, sin embargo, las principales economías (Estados Unidos, Europa, Japón, etc.) tienen un problema completamente distinto: un "problema de personas". Se enfrentan a una población que envejece y a una mano de obra que disminuye. ¿Qué significa esto para la transformación digital? Es sencillo: no puedes sustituir a tu mano de obra sin más. Aunque tu empresa tuviera el poder económico y las leyes laborales locales lo permitieran, no habría suficiente capital humano disponible para cerrar la brecha.

Es vital aprovechar la mano de obra que tienes, incluidas las habilidades y contribuciones únicas de las personas. Pero como muchos de estos trabajadores no tienen los conocimientos digitales o de datos necesarios, es esencial que todas las empresas creen una cultura de aprendizaje y actualización de conocimientos. No estamos hablando de un taller de tres días: preparar a la gente para la era digital y seguir siendo competitivos requiere habilidades técnicas duras, así como colaboración, adaptabilidad y una mentalidad de aprendizaje continuo.

Por tanto, la mejora de la cualificación de la plantilla es probablemente el mayor cambio cultural que todas las grandes empresas experimentarán en las décadas de 2020 y 2030. Gartner Research predice que este cambio cultural marcará la mayor diferencia en el éxito o el fracaso de los esfuerzos de transformación digital.

Pero aquí está el problema: mejorar las cualificaciones de tu plantilla probablemente no resuelva tu problema. De hecho, creemos que la mayoría de las empresas nunca conseguirán mejorar las cualificaciones de todos sus trabajadores, especialmente en lo que se refiere al análisis de datos. Es hora de aceptar que, al igual que no todo el mundo quiere o puede ser programador, no todo el mundo quiere o puede ser una persona de datos. En lugar de eso, tenemos que capacitarles con la tecnología, para que puedan hacer mejor su trabajo y de una forma basada en los datos. ¿Pero cómo es posible? Algunas organizaciones crean equipos analíticos separados, esencialmente creando una empresa de consultoría interna. Pero esto conduce a separar aún más las preocupaciones en lugar de democratizar las capacidades de datos de la empresa.

La solución es conocer a las personas donde están. No es realista esperar una experiencia universal en análisis avanzados en todos los puestos. En su lugar, proporciona a los empleados herramientas e interfaces que aumenten sus habilidades y capacidades de datos existentes. Este enfoque pragmático reconoce los límites de la capacitación masiva, al tiempo que permite un uso más amplio de los datos.

AA pretende acercar la analítica a las personas, en lugar de obligarlas a convertirse en analistas. Al igual que el ratón hizo que los ordenadores fueran fáciles de usar, AA pretende hacer que la analítica de datos sea accesible, intuitiva y (lo más importante) procesable para la mayoría. Se trata de la transición de un enfoque basado en los datos a otro basado en el conocimiento .

Conclusión

Has visto cómo y por qué se está produciendo la transformación empresarial, y sabes que aprovechar los datos y la información a escala es una piedra angular para gestionar esta transformación y seguir siendo competitivo en los mercados globales.

Ampliar la analítica en una organización requiere algo más que capacitar a los empleados e invertir en nuevas herramientas. Requiere un cambio de paradigma en la forma de abordar la analítica. Al igual que el ratón salvó la distancia entre los usuarios y los ordenadores, el AA puede salvar la distancia en la adopción de la analítica, ayudando a las organizaciones a tomar decisiones mejores y más informadas a gran escala.

Antes de profundizar en la solución -la analítica aumentada-, asegurémonos de que comprendes la necesidad de la analítica y la brecha en su adopción. ¡Nos vemos en el próximo capítulo!