Analítica aumentada

Capítulo 4. Preparar a las personas y a la organización para la analítica aumentada

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

En este capítulo, compartimos las buenas prácticas para configurar tu organización de forma que pueda apoyar una implantación eficaz del AA. Nos centraremos en los roles: empresarial, técnico e intermedio. También hablaremos de por qué tu organización necesita un centro de excelencia analítica (CoE) para impulsar la transformación analítica.

En el contexto de una transformación analítica, utilizamos los términos papel y persona con significados específicos . La función se refiere a las responsabilidades y expectativas generales asociadas a una función o puesto amplio dentro de la transformación. Capta el alcance general y la finalidad de una categoría concreta de responsabilidad. Una persona, en cambio, profundiza e identifica un trabajo o puesto específico dentro de esa función más amplia. Cada persona tiene su propio conjunto de tareas, herramientas y resultados. Proporciona una visión detallada de las personas que realizan las tareas técnicas o empresariales asociadas a una función. Para mayor claridad, piensa en una función como una categoría amplia de responsabilidad, mientras que una persona es una representación detallada y más matizada de un puesto específico dentro de esa función.

Este capítulo se centra en cómo aplicar con éxito lo que has aprendido hasta ahora sobre el trabajo con las personas y la preparación técnica para crear la base perfecta para adoptar y utilizar el AA en tu organización. Para ayudar a las personas a afrontar los cambios, es esencial que las capacites y eduques. Necesitan comprender las oportunidades, las ventajas competitivas y las responsabilidades de cada individuo en este cambio. La preparación técnica, por otra parte, incluye la infraestructura técnica de datos, los procesos y los enfoques avanzados para satisfacer las demandas empresariales.

Pero antes de hablar de cómo aumentar la alfabetización en datos de toda la organización, debemos presentar un marco muy eficaz para guiar el cambio desde una perspectiva técnica y humana: el modelo de influencia. A continuación exploraremos el papel fundamental de la concienciación sobre los datos en las organizaciones modernas, el arte de la narración de datos para una comunicación eficaz, las ventajas estratégicas de la gestión basada en los datos y la dinámica del liderazgo en la era de la IA. Discutiremos el enfoque de los casos de uso, y terminaremos con un plan para capacitar, formar y motivar a los líderes y traductores analíticos.

Adaptar la Analítica Aumentada a los Diferentes Roles Organizativos

Este es una transformación hecha por personas, para personas. Por tanto, tienes que dirigirte a las personas de tu organización y a sus funciones. Todos los papeles son importantes para el éxito de la transformación; todos tienen sus propios requisitos, necesidades y enfoque; y todos están interconectados. Por ejemplo, necesitarás diversos científicos de datos para aplicar la analítica. Pero sus acciones sólo son relevantes porque las necesidades y experiencias de los usuarios empresariales dan forma al negocio y a cómo éste gana dinero.

Las habilidades necesarias para crear una organización de análisis avanzado de éxito pueden dividirse en tres categorías: conocimientos empresariales, habilidades analíticas y habilidades técnicas, como se representa en el diagrama de Venn de la Figura 4-1. Dependiendo de la orientación de cada función y de su posición en la empresa, la forma en que combine estas categorías variará enormemente.

Figura 4-1. Personas de transformación analítica en las tres categorías de competencias

No todas estas funciones son necesarias para tu equipo; sólo queremos darte una visión general de las posibles funciones en la transformación analítica. Los cuatro roles de alto nivel en la transformación se muestran en la Figura 4-2. En primer lugar, los líderes tienen un papel específico en la transformación comolíderes analíticos . Luego están las personas que se interponen entre la empresa y la tecnología y realizan el análisis empresarial. A ellos nos dirigimos específicamente y les asignamos una nueva responsabilidad crucial en la transformación: eltraductor de análisis .

Figura 4-2. Los cuatro roles de alto nivel en la transformación analítica

Elusuario analítico de utiliza la analítica de datos para tomar mejores decisiones empresariales cada día. Este papel podría describir a casi todo el mundo en tu organización; desde los gestores de cartera a los investigadores de marketing, desde los suscriptores de seguros a los peritos de la construcción, desde los operarios de maquinaria a los chefs, todo el mundo necesita poder trabajar con resultados analíticos y estar más orientado a los datos.

Puedes (y debes) definir estas funciones con gran detalle. Por ejemplo, la cuarta función, profesional del análisis, incluye funciones más especializadas, como ingeniero de datos, científico de datos, analista de datos y desarrollador de software, así como funciones de apoyo especializadas, como gestor de transformación y arquitecto de datos. De momento, sin embargo, nos centraremos en categorías más amplias, por lo que nos referiremos a todas las funciones que acabamos de nombrar en como profesionales de los datos.

Cuando tu transformación alcance la fase 2, el nivel de madurez Activo de Datos, te recomendamos que te centres sólo en estas cuatro funciones obligatorias. Más adelante, podrás diferenciarlos más profundamente. Por ahora, vamos a explorarlas en detalle, empezando por arriba.

Líder analítico

Los líderes analíticos son los modelos a seguir que impulsan la transformación basada en los datos, dirigen la mentalidad analítica y defienden casos de uso impactantes para el éxito empresarial.

"Todo lo bueno viene de arriba". Este dicho no siempre es correcto, pero tiene algo de verdad: el ímpetu del cambio es naturalmente más fuerte cuando la dirección lo lleva adelante. Por eso es crucial categorizar a los líderes directivos y ejecutivos de la organización en un papel específico, con sus propias responsabilidades y expectativas.

Función y responsabilidades

Todos los líderes de una organización deben encarnar los principios de la analítica y cultivar una mentalidad centrada en los conocimientos basados en datos y en casos de uso innovadores que aprovechen los objetivos empresariales. Los líderes analíticos desempeñan un papel fundamental en el impulso de la transformación. Al dar ejemplo a los demás, subrayan la importancia de utilizar la analítica para lograr el éxito en todos los aspectos de la empresa.

Habilidades necesarias

Un líder analítico bien formado debe tener sólidos conocimientos empresariales y técnicos, habilidades estadísticas básicas y una comprensión fundamental de las TI. Es fundamental que esté familiarizado con los KPI generales de toda la empresa, el panorama informático y los proyectos en curso, y debe comprender las medidas de tendencia central y estocasticidad. También es importante que comprendan cómo interoperan los sistemas informáticos y cómo utiliza la empresa los datos para impulsar los procesos de toma de decisiones, permitiendo a la organización seguir siendo competitiva y responder a los cambios del mercado.

Mentalidad

Los líderes deben estar intrínsecamente motivados para contribuir a la transformación. Habrá líderes que, por alguna razón, no podrán seguir el camino, pero en la mayoría de los casos, capacitarles les ayudará a subir a bordo.

La actitud más importante que debe tener un líder analítico es la apertura a las oportunidades y cambios que traerá esta transformación. Deben tener una curiosidad natural por profundizar cada vez más en los datos, cuestionar las cosas y encontrar perspectivas ocultas. También deben pensar estratégicamente sobre cómo alinear esas percepciones con objetivos empresariales más amplios. Sin embargo, un buen grado de escepticismo es igualmente esencial para garantizar la calidad y fiabilidad de los datos.

La adaptabilidad es fundamental en la analítica de datos, donde surgen constantemente nuevos métodos, enfoques, herramientas y técnicas; por la misma razón, los líderes analíticos también deben tener un fuerte deseo de aprendizaje continuo. La colaboración también es esencial: la analítica de datos suele ser una disciplina interfuncional y multidisciplinar que requiere un trabajo en equipo eficaz y la eliminación de los compartimentos estancos.

Por último, la resistencia y la tenacidad son necesarias para superar los inevitables retos y obstáculos que surgen en los proyectos de datos. Muchos proyectos de datos fracasan. Los líderes deben aprender a gestionar las expectativas de la gente y ayudarles a entender los casos de uso fallidos como lo que son: valiosas ideas sobre lo que funciona y lo que simplemente no.

Importancia para impulsar la transformación

La visión y las ideas de uso de los líderes analíticos son el combustible del cambio. Como modelos a seguir, los líderes analíticos harán o desharán la transformación hacia una cultura impulsada por los datos. Como aprendiste en el Capítulo 3, el enfoque descendente es indispensable para la transformación analítica. No subestimes la influencia de los líderes analíticos: sin ellos, ninguna transformación de podría tener éxito.

Traductor Analítico

Los traductores analíticos tienden un puente entre las necesidades analíticas de las unidades de negocio y los conocimientos técnicos analíticos, y traducen las ideas generadas a partir de los datos en un impacto real y a gran escala en la organización.

Este segundo papel que queremos introducir es quizás inesperado, una especie de embajador que ayuda a conectar más estrechamente las unidades de negocio con la analítica. El traductor de la analítica está motivado para formar parte del cambio; al fin y al cabo, se trata de una función voluntaria.

Según nuestra experiencia, siempre surge la pregunta de quién debe desempeñar este papel, quién es el responsable de proporcionar las habilidades y capacidades, si estas personas están organizadas de forma centralizada en el CoE, y si se les aparta de sus unidades de negocio, creando una brecha operativa. Definamos el papel muy claramente.

Los traductores analíticos garantizan que la empresa obtenga un impacto real de sus iniciativas analíticas. Al igual que los traductores lingüísticos, comunican ideas y conocimientos entre el lenguaje empresarial y el analítico, desmitificando las palabras de moda e interpretando los complejos resultados algorítmicos en términos empresariales. Fomentan el intercambio de información, impulsan la adopción entre los usuarios empresariales y ayudan a garantizar que surja un consenso.

Los traductores forman parte de la empresa. Independientemente del lugar de la organización en el que se encuentren, son fundamentales para fomentar el intercambio que mejorará las perspectivas analíticas e impulsará la adopción entre los usuarios empresariales. Es importante crear una comunidad para compartir las buenas prácticas y las lecciones aprendidas con regularidad. Su disposición a colaborar es lo que rompe los silos.

Función y responsabilidades

Los traductores analíticos ayudan a los líderes analíticos a realizar una lluvia de ideas para identificar y priorizar los problemas empresariales que crearán el mayor valor cuando los resuelva una iniciativa analítica. Puede tratarse de oportunidades dentro de una única línea de negocio o de mejoras interorganizativas. Los traductores se aseguran de que la solución ofrezca perspectivas que la empresa pueda interpretar y aprovechar. Comunican las ventajas de la solución en todos los ámbitos para impulsar su adopción.

Habilidades necesarias

Los traductores necesitan un excelente conocimiento del dominio; busca expertos en el negocio que tengan una sólida comprensión general de los procesos de toda la empresa. Deben conocer bien los KPI de la empresa y otras métricas operativas, así como su impacto en los beneficios y las pérdidas.

Además, los traductores analíticos necesitan pasión por la estadística cuantitativa y la resolución estructurada de problemas. No son necesariamente profesionales dedicados a la analítica, y no necesitan profundos conocimientos técnicos en programación o modelización, pero sí necesitan saber qué modelos o métodos analíticos están disponibles y pueden aplicarse mejor para resolver un problema.

Los traductores también deben comprender los efectos de los posibles errores del modelo que pueden introducir sesgos, como el sobreajuste y los valores atípicos. En resumen, la comunicación es la habilidad crítica en esta función. Los traductores garantizan la transferencia de resultados, conclusiones, percepciones y conocimientos de la analítica al negocio y a la dirección.

Mentalidad

Los traductores analíticos necesitan una mentalidad innovadora, abierta y emprendedora. Su entusiasmo, compromiso y perspicacia empresarial ayudan a la organización a sortear los obstáculos técnicos, políticos y organizativos. Los traductores analíticos también necesitan tolerancia a la frustración; deben comprender que el fracaso forma parte del proceso.

La habilidad más importante que debe tener un traductor analítico de éxito es un profundo conocimiento del negocio. Por tanto, la mejor forma de cubrir este papel es formar a colegas internos motivados. Desarrollar las habilidades estadísticas y técnicas de alguien con años de experiencia tiene más probabilidades de éxito que intentar impartir todos esos conocimientos a nuevas contrataciones externas.

Actualmente no existen certificaciones ni titulaciones para traductores analíticos. Algunas empresas crean sus propias academias de traductores de analítica específicas para cada negocio, utilizando la inmersión empresarial, metodológica y técnica. Esto les permite adaptar su formación con frecuencia y responder al nivel de madurez de datos de cada traductor.

Importancia para impulsar la transformación

Organizados en una comunidad para compartir las experiencias de las buenas prácticas y las lecciones aprendidas, los traductores analíticos serán un factor clave en el éxito de las unidades de negocio individuales en proceso de transformación. Este papel es indispensable para el equipo. Establecer este papel en una fase temprana y crear competencia organizativa en él generará grandes beneficios a medio plazo, a medida que avanzas para convertirte en una empresa Data Progressive.

Usuario de Analytics

Los usuarios de análisis son personas que consumen análisis y utilizan los resultados para obtener e interpretar información, tomar decisiones y crear valor.

Función y responsabilidades

Este papel es más pasivo y representa a la mayoría de las personas de la organización, fácilmente el 80%. Están profundamente implicados en el negocio y, en su mayor parte, no participan directamente en el análisis de datos. Toda la transformación se hace principalmente para ellos.

Este es el grupo clave que hay que conquistar para lograr una amplia adopción de la analítica. Tu mayor baza para lograr la fluidez de los datos es ayudar a estas personas a superar las barreras y a orientarse más hacia los datos en sus flujos de trabajo diarios.

Habilidades necesarias

Los conocimientos de los usuarios de analítica están relacionados principalmente con el negocio; algunos pueden tener una ligera orientación estadística, lo que ayuda mucho a la capacidad de resolución de problemas. Deben tener una conciencia analítica adecuada.

El reto es que, como este papel está definido de forma tan amplia, es muy diverso. Tendrás personas cuyo trabajo está profundamente relacionado con el negocio y que rara vez tocan la analítica. Otras se verán directamente afectadas por los resultados de la analítica, por ejemplo, porque utilizan directamente cuadros de mando o repositorios de conocimientos. Sus niveles de madurez en tecnología y habilidades relacionadas con la analítica serán muy diferentes.

Mentalidad

Abordar esta función como un grupo unificado no conducirá al éxito. Los usuarios analíticos individuales necesitan distintos enfoques que les ayuden a embarcarse en el viaje analítico. A diferencia de los líderes analíticos y los traductores analíticos -que suelen tener una motivación intrínseca para contribuir, comprender la necesidad y llevar a cabo el cambio-, es probable que la mayoría de los usuarios analíticos estén motivados por un sentimiento de compulsión. Se espera de ellos que participen en la transformación como parte de su trabajo. Al principio, probablemente no se den cuenta de lo importante que es su contribución activa a la transformación.

Sinceramente, está bien. Sólo quieren hacer su trabajo. Un jefe de ventas quiere ser jefe de ventas, un suscriptor quiere ser suscriptor y un contable quiere ser contable. Para ellos, el análisis de datos no es un fin en sí mismo. En general, no les importa si sus flujos de trabajo se apoyan en la analítica o se digitalizan. Lo que es más importante es implicarles en la transformación de forma adecuada para aumentar la aportación de valor, y esto tendrá que ir más allá de la formación convencional en habilidades y la sensibilización.

Por tanto, es difícil decir qué aptitudes se requieren generalmente para este papel; la respuesta es: depende. Pero una mente abierta es una cualidad deseable en todos los procesos de transformación y cambio, y todo el mundo debería tenerla.

Personas

Si estás en muy al principio de la etapa de Datos Activos -por ejemplo, proporcionando soluciones específicas de dominio en informes o cuadros de mando de BI-, tendrás que definir tus personajes de usuario mucho antes. Para cuando tu organización llegue a la transición de Datos Progresivos a Datos Fluidos, deberás tener una idea clara de cómo diferenciar el papel del usuario en función de los flujos de valor de tu organización y sus actividades. Aunque siempre puedes proceder sin una definición concreta, tener una dará a tu trabajo y acciones más estructura y enfoque, y hará que los usuarios se sientan reconocidos. Cada puesto tiene una perspectiva única, así como un conjunto específico de preocupaciones y barreras potenciales relacionadas con la transformación.

Veamos algunos ejemplos de personas de trabajo para usuarios de análisis:

Jefe de ventas

Responsable de alcanzar los objetivos de ventas y motivar al equipo, el director de ventas se basa en el análisis para calibrar la eficacia de la estrategia, predecir tendencias y evaluar el rendimiento del equipo. Comprender las métricas clave, como los índices de conversión de clientes potenciales y los patrones de ventas regionales, es fundamental para alcanzar los objetivos.

Especialista en marketing

El especialista en marketing de lleva muchos sombreros, desde orquestar campañas convincentes hasta comprender el comportamiento de los clientes. La analítica es como una brújula para ellos, que les muestra lo que resuena entre su público. Saber qué campañas ofrecen el mejor retorno de la inversión o cómo interactúa un grupo demográfico con el contenido puede perfeccionar su enfoque de marketing.

Contable

Los contables se aseguran de que la empresa siga siendo fiscalmente sólida y con visión de futuro. La analítica proporciona la base para la previsión y la elaboración de estrategias. Examinar informes financieros detallados permite a los contables optimizar la elaboración de presupuestos, comprender los matices de la rentabilidad y tomar decisiones fiscales basadas en datos.

Responsable de la cadena de suministro

Los gestores de la cadena de suministro se aseguran de que los productos fluyan sin problemas de los almacenes a los clientes y coreografían la intrincada danza de la oferta y la demanda. La analítica es su sistema de alerta temprana, que les avisa de posibles interrupciones en la cadena de suministro, desajustes en el inventario o problemas con los proveedores. Una instantánea clara de las previsiones de la demanda o del rendimiento de los proveedores puede agilizar las operaciones y evitar costosos pasos en falso.

Director de RRHH

Más allá de la contratación , los responsables de RR.HH. son los administradores de la cultura de la empresa y del crecimiento de los empleados, garantizando que la organización siga siendo un entorno próspero para el talento. Utilizando la analítica, pueden conocer el latido de la organización: comprender la satisfacción de los empleados, identificar los cuellos de botella en la contratación y trazar las trayectorias del talento.

Representante de atención al cliente

Clave para la satisfacción del cliente, los representantes del servicio de atención al cliente utilizan análisis para evaluar el rendimiento del servicio, identificar problemas comunes y mejorar la calidad del servicio. Las métricas sobre el tiempo de resolución y las opiniones de los clientes guían las mejoras del servicio.

Jefe de producto

Los gestores de productos dirigen el desarrollo de productos desde el concepto hasta el lanzamiento, utilizando análisis para comprender las interacciones de los clientes, la popularidad de las funciones y las áreas de mejora. La información sobre el comportamiento del usuario sirve de base para la innovación y la competitividad del producto .

Las personas adecuadas dependerán de tu organización y de su modelo de negocio. Al diseñarlas, intenta definir diferentes responsabilidades y necesidades analíticas. Hazte preguntas como

• ¿Cómo aporta esta persona a la cadena de valor?

• ¿De qué son responsables?

• ¿Cuáles son sus necesidades analíticas?

• ¿A qué retos se enfrentan?

• ¿Qué les diferencia? ¿Necesitan un tratamiento individualizado en tu transformación?

Por ejemplo, un contable tiene necesidades analíticas diferentes a las de un ingeniero de riesgos. Al contable le interesan sobre todo los análisis descriptivos estándar de BI, mientras que el ingeniero de riesgos necesita instrumentos de evaluación, como el análisis as-if potencial, e incluso podría utilizar gen AI para resumir complejos estudios de riesgos de terceros.

Intenta responder a estas preguntas para los personajes de los usuarios de análisis de tu organización. (Para ver un ejemplo, consulta la barra lateral "Ejemplo de personaje de usuario: Suscriptor de seguros" ). Si identificas una necesidad específica de analítica, trata cada persona individualmente.

Madurez del Análisis de Datos y Personas

Considera la posibilidad de distinguiendo los niveles de madurez de análisis de datos de las personas individuales, no sólo de la organización en su conjunto. Aquí tienes un desglose de cómo esto puede beneficiar a los empleados y a la transformación:

Formación y apoyo personalizados

No todo el mundo tendrá el mismo nivel de comodidad y competencia con la analítica. Al segmentar en función de la madurez de los datos, puedes personalizar la formación y asegurarte de que cada persona recibe el apoyo que necesita para desempeñar su función de forma óptima.

Asignación de recursos

Comprender los niveles de madurez puede ayudar a la organización, y especialmente al CdE, a asignar recursos de forma más eficiente para crear soluciones a medida y centrar la atención donde más se necesita. Las funciones en un nivel de madurez superior pueden necesitar herramientas más avanzadas, mientras que los principiantes pueden requerir una formación básica.

Gestión del cambio y medición del progreso

Comprender en qué punto de su viaje analítico se encuentra cada persona puede ayudar a los equipos de gestión del cambio a abordar los miedos, los retos y las fuentes de resistencia específicas de cada nivel de madurez, y a establecer objetivos y puntos de referencia adecuados. Una comprensión básica de la madurez analítica de cada persona te permite medir el progreso y el crecimiento a lo largo del tiempo.

Hazlo con cuidado. Para algunas organizaciones, sobre todo las más pequeñas, introducir demasiados segmentos o niveles puede complicar demasiado el proceso. Un enfoque unificado puede ser más práctico. Considera la posibilidad de encontrar personas con un determinado nivel de madurez que puedan tratarse de forma similar para ahorrar esfuerzo y recursos, apoyar la colaboración y romper los silos.

Aumenta el riesgo de perder empleados durante la transformación, sobre todo si se tiende a sobredimensionar el proceso y los empleados perciben que las personas que toman las medidas comprenden poco las necesidades de la empresa. Si los recursos son limitados, podrías centrarte en aumentar las capacidades analíticas en general, en lugar de aplicar enfoques personalizados de grano fino.

Ten en cuenta también la cultura. En algunas organizaciones, segmentar a los empleados por madurez puede crear involuntariamente una cultura jerárquica. Esto puede ser contraproducente e incluso divisivo. Recomendamos un marco de apoyo y agradecimiento: la segmentación ayuda a las personas a aprovechar sus talentos de la forma más adecuada.

Importancia en el impulso de la transformación

Los usuarios analíticos son fundamentales para la transformación analítica de una organización, ya que representan la mayoría de los que utilizan los conocimientos de los datos y los aplican a la toma de decisiones, encarnando el cambio hacia una cultura impulsada por los conocimientos. Sus diversos orígenes requieren soluciones analíticas personalizadas que satisfagan las distintas necesidades e impulsen una amplia adopción y la mejora continua a través de valiosos comentarios. Fundamentalmente, su papel va más allá de la tecnología, e impulsan un cambio de mentalidad en toda la organización demostrando los beneficios de la analítica en sus flujos de trabajo diarios. El compromiso de este grupo es fundamental, lo que les convierte en actores clave para integrar la analítica en el ADN de la empresa y garantizar el éxito del proceso de transformación de .

Profesional de la Analítica

Ahora veamos en el último de los cuatro papeles, las personas que llevan a cabo la transformación: los profesionales de la analítica. Los profesionales de la analítica tienen formación profesional en análisis avanzado de datos, estadística, ML, manejo de datos y/o programación.

Función y responsabilidades

Las personas ajenas a la organización suelen imaginar que esta función es un grupo unificado con habilidades unificadas, pero por supuesto no es así. Ciertamente, la mayoría de ellos tienen grandes habilidades técnicas, pero cada especialización individual tiene su razón de ser y es fundamental para desarrollar la madurez analítica de la organización. Dentro de un momento examinaremos más detenidamente las personas individuales de estas especializaciones.

Habilidades necesarias

A pesar de sus diferencias, los profesionales de la analítica tienden a estar en el lado técnico del espectro de habilidades. Los conocimientos de codificación, informática y programación son cruciales para ellos, ya que traducen los requisitos empresariales en formas ejecutables por máquinas. Los conocimientos matemáticos y estadísticos también son importantes, pero sólo son fundamentales para determinadas funciones. En general, es importante que comprendan bien el negocio.

Mentalidad

Para el éxito de un profesional de la analítica es fundamental una curiosidad implacable, la voluntad de experimentar y ampliar los límites de lo posible para descubrir perspectivas ocultas. También debe ser colaborador y garantizar la perfecta integración de las perspectivas de los datos y las funciones empresariales. El pensamiento ágil y el desarrollo personal continuo les permiten adaptarse rápidamente al siempre cambiante panorama de los datos, mientras que su tenacidad en la resolución de problemas les ayuda a superar los obstáculos técnicos y conceptuales.

Un gran profesional de los datos no sólo busca la mejor solución, sino que también tiene una gran perspicacia empresarial que garantiza que sus esfuerzos estén alineados con los objetivos estratégicos y la visión de la organización. Al hacerlo, asumen la responsabilidad del valor de la solución e impulsan activamente su adopción.

Importancia para impulsar la transformación

Los profesionales de la analítica son catalizadores clave en la transformación analítica técnica de una organización. Tienen la doble responsabilidad de comprender los complejos objetivos empresariales y traducirlos en soluciones analíticas significativas. Construyen, perfeccionan y optimizan meticulosamente los modelos para garantizar que los conocimientos que se extraen de los datos sean precisos y procesables. Un sello distintivo de su experiencia es su compromiso con la integridad de los datos, garantizando que sean fiables, utilizables y estén listos para el análisis.

Sin embargo, su papel va más allá de las tareas técnicas. Son narradores que trabajan con el traductor de análisis para traducir los resultados de datos complejos en perspectivas claras y comprensibles que impulsen las estrategias empresariales. En un panorama de datos en constante evolución, también están a la vanguardia de la adaptación constante y se mantienen al día con los últimos métodos y herramientas.

Personas especialistas técnicas

Veamos en algunos profesionales especializados en analítica y sus funciones en el camino hacia la analítica. Todos son diferentes, y no todos tienen la misma importancia en cada nivel de madurez. También son interdependientes. Para diferenciar y estructurar un poco más las funciones profesionales, las dividiremos en dos grupos: funciones técnicas y funciones de apoyo. Las funciones técnicas son las que la mayoría de los profanos imaginan: analistas de datos, estadísticos, científicos de datos e ingenieros de datos, entre otros:

Científico de datos

Desarrolla modelos y algoritmos avanzados para extraer ideas y predicciones de los datos. Los científicos de datos están más en el lado matemático y estadístico del espectro de habilidades. Suelen tener conocimientos de programación limitados en comparación con los desarrolladores analíticos y los analistas de datos, pero son excelentes con el ML y el análisis estadístico.

Analista de datos

Obtienen información consultando datos, realizando análisis estadísticos descriptivos y de diagnóstico, elaborando informes y visualizando datos. Los analistas de datos suelen utilizar herramientas como SQL, Excel y plataformas de BI, así como lenguajes de programación analítica como Python y R. Suelen tener un nivel intermedio de comprensión del negocio y son una buena intersección entre los traductores del negocio y la tecnología.

Ingeniero de datos

Una de las funciones de especialista técnico más infravaloradas de , el ingeniero de datos prepara los "grandes datos" para su uso analítico u operativo, facilitando el trabajo de los analistas y científicos de datos. Los ingenieros de datos gestionan y optimizan los lagos de datos y las bases de datos para que los datos puedan almacenarse, consultarse y canalizarse eficazmente, y garantizan la exactitud y disponibilidad de los datos. Construyen, mantienen y optimizan los conductos de datos y la arquitectura.

Desarrollador analítico

Este puesto desarrolla, implementa, prueba e integra soluciones y aplicaciones analíticas, aplicaciones web y servicios web API. Los desarrolladores analíticos trabajan en estrecha colaboración con analistas y científicos y traducen los conocimientos analíticos en paquetes programáticos, motores y software.

Ingeniero analítico

Asegura a que los modelos de ML y las soluciones analíticas se implementan, escalan y mantienen sin problemas. DevOps es el campo de acción del ingeniero analítico. Suelen ser necesarios en una fase posterior de la cadena de valor de la analítica y son fundamentales durante las últimas fases de la transformación.

Visualista analítico

Se especializa en representar datos y perspectivas visualmente, a menudo utilizando herramientas como Tableau, Power BI e informes Markdown. Los visualistas analíticos se especializan en explicar, más que en explorar, los datos. Tienen un don para el diseño y la narración, por lo que la comunicación es una parte importante de sus habilidades. A menudo diseñan cuadros de mando e interfaces de usuario para aplicaciones analíticas.

Apoya a las personas especializadas

También hay algunas funciones de apoyo que son fundamentales para la transformación. Ten en cuenta que esta lista no es en absoluto completa:

Arquitecto de datos

Responsable de diseñar e implementar la infraestructura de datos, garantizando la escalabilidad y la accesibilidad. Los arquitectos de datos diseñan la nueva pila tecnológica a prueba de futuro y definen los entornos operativos para las soluciones analíticas. No tienen por qué tener su sede en el CdE, pero deben estar estrechamente alineados con sus homólogos de TI.

Responsable de gobernanza de datos

Esta función garantiza la calidad de los datos, la privacidad y el cumplimiento de la normativa, y actúa como guardián de la calidad. Se centra en garantizar que los conocimientos analíticos se basen en unos cimientos fiables. El gobierno de los datos durante la transformación es una tarea complicada. Los responsables del gobierno de los datos deben participar en la inspiración de las personas y fomentar la mentalidad creativa que requiere una transformación, pero equilibrar esto con el cumplimiento, las normativas y las políticas: responsabilidades y tareas que no son muy divertidas. Necesitarán apoyo para desempeñar esta función crítica.

Especialista en gestión del cambio

Este papel ayuda a la organización a adaptarse a la nueva cultura impulsada por los datos, abordando la resistencia y facilitando la formación. Los gestores del cambio son fundamentales para cualquier cambio en una organización, especialmente cuando su metodología se aplica al viaje analítico. A muchas personas les costará adaptarse a los cambios que supone orientarse hacia los datos. Ayudar a las personas a encontrar su lugar en el cambio es esencial para la nueva cultura que quieres establecer.

Analista de negocio (BA)

Esta función suele colaborar estrechamente con los traductores de analítica para definir los problemas empresariales que la analítica puede resolver. Los traductores analíticos están asumiendo principalmente este puesto en la transformación analítica, pero los BA suelen establecerse en una organización para los requisitos de TI. Como se ha mencionado anteriormente, los BA pueden incluso convertirse en traductores de analítica si están ubicados en el negocio en lugar de en unidades de capacidad especializadas.

Expertos en la materia (PYME)

Especialistas en áreas empresariales específicas. Los SME aportan contexto y experiencia para garantizar que las soluciones analíticas sean relevantes y procesables, trabajando junto a los BA y apoyando principalmente a los traductores analíticos. Los PYMES suelen proceder de las unidades de negocio; no tienen necesariamente un contacto estrecho con el CoE y no están realmente implicados en la analítica. Son excelentes candidatos para el papel de traductor analítico.

Gestor de transformación analítica

La función de apoyo más crítica y la fuerza motriz de la transformación, situada dentro del CoE. Si tienes un buen director de transformación y un equipo de transformación que te apoye, ya estás a medio camino de una transformación con éxito. De hecho, este papel es tan importante que vamos a darle su propia sección .

Director de Transformación Analítica

Los gestores de la transformación analítica desempeñan un papel fundamental a la hora de impulsar la visión estratégica y garantizar que la organización evoluciona con éxito hacia una entidad basada en los datos.

Puedes tener un gestor de transformación o unos cuantos. La Figura 4-3 ilustra lo amplio que es su campo de acción. Encontrar a la persona adecuada será un reto, pero merecerá la pena.

Figura 4-3. Campos de actuación del gestor de transformación analítica

Función y responsabilidades

Los gestores de la transformación analítica orquestan y posibilitan el cambio. Colaboran estrechamente con las partes interesadas, organizan iniciativas de sensibilización y actúan como primer punto de contacto y portavoz del CdE. En etapas posteriores de la transformación, sus responsabilidades se amplían para incluir la gestión de los recursos, la mitigación del riesgo y la garantía de la rentabilidad. Mientras que el papel del gestor del cambio se centra en mitigar el impacto de un cambio en curso, el gestor de la transformación moldea activamente la visión estratégica.

Estrategia

Esta función trabaja con la alta dirección para definir los objetivos estratégicos de la transformación analítica y alinearlos con los objetivos empresariales generales. Los gestores de la transformación planifican cómo alcanzar esos objetivos creando una hoja de ruta completa que esboza los hitos, los plazos y la asignación de recursos.

Medición

Los gestores de la transformación definen, siguen y monitorean los KPI y otras métricas del éxito y el impacto de la transformación. Tras la transformación inicial, evalúan su impacto continuado, identifican áreas de mejora y garantizan su sostenibilidad.

Ejecución

Los gestores de la transformación deben monitorear el progreso de los proyectos e iniciativas analíticos para mantenerlos encaminados y dentro de su alcance. Determinan cómo se comunica la transformación interna y externamente. Identifican los posibles riesgos, dependencias y otros retos, y desarrollan estrategias para mitigarlos. Gestionan el presupuesto de la transformación, asignando recursos humanos y tecnológicos y asegurándose de que se utilicen con eficiencia y eficacia. Buscan e integran herramientas, metodologías y enfoques innovadores para mejorar el recorrido de la transformación analítica y gestionan las relaciones con los proveedores. También defienden el uso responsable de los datos, asegurándose de que la transformación respeta tanto los límites legales como las consideraciones éticas .

Habilitación

Los gestores de la transformación desarrollan y aplican estrategias de gestión del cambio, se comprometen con las partes interesadas de toda la organización para conseguir su apoyo y facilitan el intercambio de conocimientos y la colaboración entre equipos y departamentos. Establecen mecanismos para que los empleados, las partes interesadas e incluso los clientes den su opinión con regularidad, y la utilizan para orientar y evaluar el proceso de transformación.

Habilidades necesarias

Los gestores de la transformación necesitan una amplia gama de habilidades de gestión y culturales, además de sus competencias técnicas y estratégicas. Estas "habilidades blandas" incluyen el liderazgo, la comunicación, la colaboración, la resolución de problemas y la adaptabilidad. El director de transformación no tiene por qué ser un experto técnico, pero debe tener una base suficiente en las últimas innovaciones analíticas, tecnologías, metodologías y buenas prácticas para tomar decisiones con conocimiento de causa.

Los directores de transformación con éxito necesitan una perspectiva visionaria; deben anticiparse a las tendencias y preparar a la organización para lo que está por venir. Como puede que no todo el mundo en la organización entienda la analítica o lo que puede hacer, el líder de la transformación debe tener también dotes de educador y entrenador, ayudando a las personas de todos los niveles a comprender el valor de la transformación y cómo implicarse.

Mentalidad

Los líderes de la transformación necesitan una mentalidad de mejora continua. Deben defender el cambio cultural e incluso convertirse en el rostro del cambio, encarnando los valores y comportamientos que la organización intenta inculcar. Deben aceptar los retos e impulsar el cambio con pasión y propiedad. Y puesto que el viaje de la transformación está plagado de muchos retos, deben ser resistentes, capaces de superar los contratiempos y mantener el impulso.

Importancia para impulsar la transformación

En el ambicioso viaje de la transformación analítica, el gestor de la transformación analítica se convierte en el eje del éxito. Esta función va mucho más allá de la mera gestión de proyectos: se trata de diseñar un futuro basado en los datos y allanar el camino para llegar a él.

La experiencia del gestor no sólo reside en la formulación de la estrategia, sino también en la orquestación de todas las actividades de ejecución. Los gestores de la transformación reúnen a las partes interesadas, desde la alta dirección hasta la primera línea, para garantizar la aceptación colectiva salvando las lagunas de comunicación. Desmitifican la analítica, transformándola de un concepto intimidatorio en una herramienta accesible y valiosa para todos mediante esfuerzos de concienciación específicos. Para ello, organizan iniciativas de desarrollo profesional que garanticen que el personal está preparado para el nuevo panorama centrado en los datos y para crear una amplia comprensión del valor de la analítica para la empresa.

Sin gestores de la transformación analítica, el viaje de una organización hacia la madurez analítica seguirá siendo esencialmente desorganizado y desarticulado. Son la cara de la transformación, y su pasión por la transformación sirve de modelo para muchos otros que la están adaptando para sí mismos. Encontrar a la persona adecuada será un reto, pero merecerá la pena; un buen gestor de la transformación y un equipo de transformación que la apoye serán la mitad del camino hacia el éxito de la transformación.

Resumen de funciones clave

La Tabla 4-1 resume las cuatro funciones clave de las transformaciones analíticas. Recuerda que todas estas funciones son necesarias para el éxito.

Tabla 4-1. Resumen de las cuatro funciones clave en la transformación analítica

Líder analítico	Traductor analítico
Función y responsabilidades: Impulsa una mentalidad analítica, se alinea con los objetivos empresariales y formula ideas para su área de negocio específica.	Función y responsabilidades: Conecta a los equipos técnicos y empresariales, extrae ideas de los datos y colabora en todos los centros de excelencia de la organización.
Habilidades necesarias: Profunda visión empresarial, conocimientos básicos de estadística, comprensión de las TI y conciencia de las interdependencias de los sistemas de TI.	Habilidades necesarias: Sólida visión empresarial, dominio de las matemáticas y la estadística, y conocimientos básicos de informática.
Importancia en el impulso de la transformación: Dirige proyectos analíticos y establece la dirección de la transformación de la unidad de negocio. Esencial para fomentar una cultura organizativa basada en los datos.	Importancia en el impulso de la transformación: Salva las distancias, alineando la analítica con los objetivos empresariales y traduciendo los datos complejos en perspectivas empresariales procesables.
Profesional de la analítica	Usuario analítico
Función y responsabilidades: Actores clave en la transformación analítica, incluyendo la ingeniería, el análisis y la ciencia de datos.	Función y responsabilidades: Tomar decisiones basadas en datos en sus funciones diarias, aunque no participen directamente en el proceso de análisis.
Habilidades necesarias: Dominio de la informática, las matemáticas y la estadística; comprensión de los negocios para una comunicación eficaz con las partes interesadas.	Habilidades necesarias: Conocimientos del ámbito empresarial; unos conocimientos básicos de informática y estadística pueden mejorar su capacidad para interpretar los resultados de los análisis.
Importancia en el impulso de la transformación: Esenciales para ejecutar tareas de datos complejas, desarrollan y supervisan sistemas de decisión basados en datos.	Importancia en el impulso de la transformación: Aplicación de la visión de los datos a los retos empresariales; impulso del éxito de la analítica en la toma de decisiones.

El grupo de usuarios de analítica, fácilmente mayoritario, es el grupo clave al que hay que ganarse para una amplia adopción de la analítica. Ayudar a estas personas a superar las barreras típicas que les impiden orientarse más por los datos en sus flujos de trabajo cotidianos es una importante fuente de influencia.

Ejemplo de Persona de Usuario: Suscriptor de seguros

Descripción: El suscriptor de seguros de es el gestor de riesgos clave de una compañía de seguros. Los suscriptores utilizan directrices, juicio personal y análisis predictivos avanzados para determinar las condiciones de las pólizas de seguros y decidir qué riesgos cubrir y a qué precio. Sus decisiones afectan directamente a la rentabilidad.

Responsabilidades principales

• Evaluar el nivel de riesgo de las solicitudes de seguro

• Determinar las condiciones de la póliza, los límites de la cobertura y las primas

• Colaborar y negociar con agentes y corredores de seguros

• Mantente al día sobre la evolución del mercado, los reglamentos del sector, las normas, los riesgos emergentes y los nuevos modelos, herramientas y técnicas de evaluación de riesgos

Necesidades analíticas

• Herramientas informáticas avanzadas de evaluación de riesgos; dependiendo del tipo de seguro, estos sistemas podrían basarse en factores o utilizar análisis de simulación

• Análisis de las tendencias del mercado que proporcionan una visión detallada de las tendencias emergentes en el mercado de seguros para influir en las decisiones de suscripción

• Informes reglamentarios y de cumplimiento

• Análisis de reclamaciones para ayudar a desarrollar métodos eficaces para mitigar los riesgos

Desafíos

• Minimizar el potencial de pérdidas equilibrando la necesidad de atraer nuevos clientes

• Seguir el ritmo de los aspectos dinámicamente cambiantes del entorno de riesgo, como la ciberseguridad, los mercados incipientes y el cambio climático.

• Adaptarse a las tecnologías y modelos predictivos que están revolucionando los métodos tradicionales de suscripción

Por qué esta función necesita un tratamiento específico en la transformación

• Los aseguradores operan en la intersección de la rentabilidad y los riesgos. Sus decisiones, si se apoyan en análisis sólidos y precisos, pueden mejorar significativamente el resultado final.

• La naturaleza de los riesgos evoluciona con los avances tecnológicos, los cambios climáticos y los cambios socioeconómicos. La analítica puede dotar a los suscriptores de la previsión necesaria para anticipar y comprender los cambios.

• A medida que el sector de los seguros evoluciona hacia una mayor automatización, los suscriptores deben conocer bien las últimas técnicas analíticas para combinar los conocimientos convencionales de suscripción con las modernas perspectivas de los datos de .

El Centro de Excelencia

Un CoE es, en definitiva, una unidad dedicada a organizar la transformación analítica. Durante la fase de madurez de la Activa de Datos, recoge y conecta todos los hilos sueltos de las actividades analíticas que van surgiendo.

Crear un Centro de Excelencia

Tu transformación necesitará un CoE. Sin él, no llegarás a la fase de Progresión de Datos.

Los CoE suelen construirse a partir de las sofisticadas capacidades analíticas de las unidades de negocio establecidas. Recomendamos identificar estas áreas y unidades desde el principio. El CoE suele iniciarlo el director de información o el director de operaciones, con el compromiso de los miembros del consejo de administración que comprenden la relevancia de la analítica para la empresa.

El CdE no debe agrupar necesariamente todas las funciones de datos y análisis. De hecho, recomendamos separar la responsabilidad de la analítica de datos de la responsabilidad de la gestión de datos, la gobernanza de datos y la infraestructura de datos. No hay duda de que estas unidades, departamentos y responsabilidades deben colaborar estrechamente, pero como dijo Julio César: "Divide et impera": divide y vencerás. La transformación global es tan grande que una unidad rara vez tendrá todas las competencias necesarias; al intentar encargarse de todo, dicha unidad pierde rápidamente el enfoque y la conexión con el negocio.

Una buena división, como ya se ha mencionado, es entre la gestión de datos, el BI con informes estándar y las habilidades analíticas con ciencia de datos. El CoE entra en juego en una fase posterior de madurez, como hemos mencionado, especialmente en la transición de la fase Activa de Datos a la fase Progresiva de Datos, que implica intensas tareas de transformación.

Por esta razón, el personal del CdE rara vez procede de TI. De hecho, recomendamos encarecidamente desarrollar el CoE desde dentro de la empresa y no desde TI. Si no tienes unidades de negocio dedicadas y fácilmente preparadas para los datos, capaces de impulsar la transformación, entonces debes buscar en TI la responsabilidad. Pero recuerda que toda la transformación consiste en apoyar al negocio y romper los silos. Lo ideal es que un equipo de CoE dedicado surja de los departamentos más expertos en datos y análisis, para que el equipo comprenda plenamente los problemas y necesidades de las unidades de negocio.

Hay un adagio en informática llamado Ley de Conway que afirma: "Cualquier organización que diseñe un sistema (definido en sentido amplio...) producirá un diseño cuya estructura sea una copia de la estructura de comunicación de la organización".¹ En este contexto, esto significa que crear un CoE en el lado informático mantiene las competencias y la responsabilidad en el lado informático. Sin embargo, si realmente quieres romper los silos, tienes que acercar la responsabilidad de centrarte en los datos a la empresa, creando tu CoE en el lado de la empresa.

Sin embargo, esto plantea un problema fundamental. Hemos establecido que el CoE no se ocupa de todos los problemas y retos analíticos; dependiendo de cómo dividas el trabajo, la gestión de datos (y posiblemente otras funciones) se gestionarán en un departamento o unidad de negocio diferente. Al dotar inicialmente de personal al CdE, alejas a los expertos de esas unidades de negocio. Esto las debilita durante un tiempo, pero los directores de división de esas unidades deben recordar que se trata de una inversión para alcanzar los objetivos generales de la empresa.

En HDI Global en 2019, por ejemplo, decidimos adoptar este enfoque. La empresa estaba creando un equipo de CoE completamente nuevo, en el ámbito empresarial y estrechamente vinculado a las unidades de negocio, y sacó su personal inicial de sus áreas basadas en datos: Catástrofes Naturales, Suscripción, Control, Consultoría y Gestión de Riesgos.

Si no tienes las capacidades analíticas y técnicas adecuadas en la parte empresarial, incorpora a algunas personas de TI, pero aun así debes dar más peso y enfoque a la parte empresarial, como se muestra en la Figura 4-4. Las personas de las unidades de negocio siempre tendrán una mayor conexión con las futuras partes interesadas y, por tanto, mayor credibilidad ante ellas.

Figura 4-4. Un centro de excelencia formado por unidades de TI y de negocio

Tu siguiente reto, entonces, es convencer a las unidades de negocio de que renuncien a sus mejores expertos en datos para dotar de personal a un nuevo CoE. Aquí, la comunicación es lo más importante. Conecta tu petición con vuestra comprensión común de la misión de la empresa. Seguro que el director no estará contento, pero entenderá la necesidad.

Busca personas en la empresa que tengan una buena reputación fuera de sus campos y que sean respetadas por su experiencia. Si puedes persuadirles de que participen en el CdE, o quizá apoyarlo personalmente, otros seguirán su ejemplo. De nuevo, no subestimes la importancia de los modelos de conducta en la transición general.

Pero, sobre todo, convence a las personas que quieres contratar. Algunas personas pueden sentirse inseguras al abandonar sus zonas de confort, donde tienen la mayor experiencia. Pueden tener reservas sobre si la empresa será capaz de mantener su cambio cultural a largo plazo.

Tu nuevo equipo tendrá que establecer una dinámica juntos como equipo, y eso lleva tiempo. Te recomendamos que destaques sus éxitos anteriores en sus ámbitos actuales y les hagas saber lo importantes que son sus habilidades y capacidades para el éxito de la empresa en este importante paso de la transformación. Estas personas marcarán la diferencia. Asegúrate de que se dan cuenta de que es una oportunidad para dar forma al éxito futuro de la empresa.

Desactiva cualquier posible temor a no ser lo suficientemente fuerte como para dar realmente el siguiente paso. Muéstrales que la mentalidad ha cambiado y que la empresa está preparada para la transformación.

Enfoques para organizar un CdE

Para ayudarte a comprender cómo encaja el CdE en la organización, esta sección examina los enfoques centralizado y descentralizado y cuáles funcionan mejor, especialmente en la etapa de madurez Progresiva de Datos (etapa 3).

El enfoque descentralizado

Por lo general, en una organización de Datos Reactivos (fase 1), una al principio de su viaje analítico, encontrarás capacidades centralizadas para datos e informes en el lado de TI y algunas de estas capacidades en las unidades de negocio -algunas de las cuales tienen conocimientos avanzados de datos, otras no-. Mientras que las unidades de negocio sin conocimientos de datos dependen totalmente de las soluciones informáticas, las unidades de negocio más sofisticadas abordan los datos y la información a su manera. Responden con agilidad a las necesidades de su propio ámbito, innovan y proponen nuevas formas de hacer las cosas. Esto puede dar lugar a dominios desconectados y desalineados, pero también proporciona el mayor grado de independencia.

El enfoque descentralizado puede ser muy tentador, pero sus desventajas para la organización superan a las ventajas. La capacidad de desarrollo de los dominios y los conocimientos de diseño de infraestructuras y procesos analíticos sostenibles pueden ser insuficientes, lo que puede dar lugar a ineficiencias operativas.

Por ejemplo, los departamentos de gestión de riesgos suelen estar formados por matemáticos: pensadores analíticos bien formados con una gran capacidad para resolver problemas. No es raro que empiecen a optimizar lo que hacen con las habilidades que tienen a mano, normalmente Excel y VBA. En los mejores casos, pueden utilizar un lenguaje de programación funcional como Scala, R, Python o SQL. Suelen producir soluciones semiautomatizadas para cálculos, transformaciones de datos, etc. que resuelven su problema actual. Sin embargo, a menudo la solución no puede escalarse porque nunca han aprendido a diseñar una solución analítica con interdependencias en otros dominios o en procesos y sistemas de toda la organización.

Las unidades de negocio operan de forma independiente cuando se trata de datos y análisis, con un fuerte enfoque en abordar necesidades empresariales específicas. A menudo hay una gobernanza débil y una propiedad poco clara, así como pocas oportunidades para que otras unidades se beneficien de estas soluciones. La colaboración y el apoyo entre unidades son débiles debido a la falta de una estrategia unificada. El riesgo de crear silos significativos dentro de la organización aumenta como resultado de este enfoque desarticulado. Es necesario abordar estas deficiencias, o se convertirán en un obstáculo para la transformación.

Tal vez ahora estés un poco confundido, porque hemos mencionado que descentralizar la analítica es uno de los factores más importantes para convertirse en una empresa basada en datos. Lo es, pero de una forma diferente, más organizada y más colaborativa: un enfoque federado.

El enfoque centralizado

Pero, en primer lugar, el otro extremo es un enfoque completamente centralizado de la propiedad analítica de . Este enfoque es más común en las empresas más pequeñas, y puede ser un modelo de negocio perfectamente válido para ellas. Este enfoque suele adoptarse cuando hay poca o ninguna capacidad técnica o de análisis en las unidades de negocio, bien porque están muy implicadas en un trabajo manual repetitivo y sencillo, bien porque sólo hay unos pocos expertos muy centrados en una cuestión específica que ofrece poco potencial de automatización y que suele tener poco que ver con el análisis. Es habitual tener un CoE estrechamente centralizado que se ocupe de todas las funciones básicas, incluidos los informes estándar.

La mayor ventaja está clara: los desarrolladores bien formados pueden diseñar la infraestructura y los procesos de tratamiento de datos mejores y más eficientes. Sin embargo, carecen de conocimientos empresariales y de comprensión de las necesidades del cliente. Para aplicar con éxito este modelo operativo, los principios rectores deben ser una estrecha cooperación, un número manejable de personas en ambas partes, un firme compromiso de trabajar juntos y prestar la misma atención, prioridad y esfuerzo a todas las cuestiones, mayores y menores. Esto último es uno de los mayores retos, porque una unidad centralizada siempre será un cuello de botella.

Un CdE centralizado debe priorizar sus esfuerzos para gestionar su capacidad limitada. Puede quedarse rezagado ante los cambios que surjan en la organización y tener dificultades para actuar rápidamente sobre ellos. La centralización rara vez se traduce en responsabilidad compartida y propiedad de la entrega de datos en toda la empresa. A menudo, el departamento de TI carece de conocimientos sobre las interdependencias empresariales y las particularidades de las soluciones del CoE, lo que les lleva a resistirse a asumir la plena propiedad más allá de la parte técnica de la solución.

El enfoque federado

Ahora te presentaremos el modelo federado, un enfoque que se sitúa entre los dos extremos, un modelo que creemos que es la única forma de combinar con éxito la propiedad, la sofisticación técnica y la colaboración. Este modelo te llevará, en última instancia, a un nivel cultural superior y a obtener valor para la empresa.

No existe una definición única de sistema federado, y se manifiesta de forma diferente en las distintas organizaciones, dependiendo de si el CdE central o las unidades descentralizadas son más pronunciadas y de lo avanzada que esté la organización en su transformación.

En resumen, un modelo federado es aquel en el que el CdE impulsa la transformación de forma centralizada al principio, pero luego la organización cambia hacia un modelo federado descentralizado más fuerte a medida que crece su madurez de datos.

Al principio, muchas tareas no están claras. La tecnología no está totalmente preparada, los modelos de colaboración no están definidos y aún no existe un modelo común de gobernanza analítica. El CdE puede abordar esto demostrando cómo abordar los casos de uso e iniciando programas para mejorar la alfabetización en datos o, al menos, la conciencia analítica. Por tanto, recomendamos iniciar el CdE con un enfoque más centralizado, y luego ir descentralizándolo a medida que asignes funciones dentro de las unidades de negocio y establezcas una alfabetización de datos adecuada dentro de las unidades de negocio.

Este cambio también sienta las bases para transferir más responsabilidad a las unidades de negocio, lo que ayuda a democratizar los datos: con mayores capacidades analíticas, las unidades de negocio pueden convertirse en proveedores de datos, no sólo en consumidores. Esta es la idea detrás de la malla de datos, un concepto de arquitectura de datos definido por Zhamak Dehghani en su libro Data Mesh (O'Reilly). Dehghani describe la malla de datos como la responsabilidad compartida de los productos de datos en todos los ámbitos empresariales. Según ella, tratar los datos y la información como activos que merecen una propiedad adecuada lleva a las organizaciones a un nivel superior de cultura de datos.

Pero demos un paso atrás. ¿Por qué es tan importante descentralizar la analítica a un nivel superior de madurez , como se muestra en la Figura 4-5?

Figura 4-5. Tipos de modelos federados por nivel de madurez

En primer lugar, a medida que ha aumentado la concienciación sobre la analítica, las organizaciones han adquirido una mayor comprensión de las oportunidades de aprovechar la analítica para su negocio y están deseosas de orientarse hacia los datos. Esto les lleva a generar más ideas sobre las perspectivas que desean y más peticiones (y demandas) de soluciones analíticas. En última instancia, si operan desde una posición centralizada, no pueden satisfacer estas demandas. Acaban evaluando, priorizando y descartando ideas por falta de capacidad.

La ventaja de un modelo federado es que si facultas a las unidades de negocio para gestionar la mayoría de sus necesidades, aumentas su sentido de la propiedad de sus problemas y su capacidad para crear valor para toda la organización. Este es un buen sentimiento, y es importante para establecer una nueva cultura.

Además, las unidades de negocio realizan sobre todo tareas comunes de análisis descriptivo y diagnóstico. En una estructura federada, el CdE no necesita ocuparse de estas tareas más sencillas. Puede centrarse en las cuestiones realmente difíciles y en apoyar a los dominios empresariales más débiles. Las unidades de negocio, por su parte, pueden combinar mejor sus nuevos conocimientos analíticos con su comprensión del negocio y sus necesidades. Ahorra mucho tiempo y esfuerzo pensar por ti mismo en lugar de pasar horas explicándoselo a un tercero.

Ten en cuenta, sin embargo, que para aumentar la federación se requiere una gobernanza más sólida, o al menos orientación y un compromiso con un marco común de normas y las limitaciones de lo que puede hacer cada unidad.

Depende de ti cómo diseñes tu enfoque federado. Recomendamos un enfoque distribuido y descentralizado como la colaboración federada, que fomenta la eficacia, la propiedad y un fuerte sentido de unión. Sin embargo, existe un espectro de modelos federados. Busca el punto óptimo que se adapte al tamaño, modelo empresarial, dotación de personal, visión estratégica y madurez de tu organización. Averigua qué necesitas y en qué punto te encuentras: ¿es tu CoE el motor de la transformación que aún necesitas para ponerla en marcha y que todo empiece a rodar, o es ahora un apoyo, que ayuda a las unidades de negocio a ser excelentes en sus viajes analíticos individuales?

La primera se caracteriza por el hecho de que, como unidad principal que impulsa la transformación analítica, el CoE desempeña un papel fundamental. Las unidades de negocio han empezado a cultivar y desarrollar sus capacidades y conocimientos analíticos bajo la firme dirección del CoE. Aunque estas unidades gestionan las tareas fundamentales, la responsabilidad de la ejecución, implementación y aplicación de la analítica, los datos y los casos de uso relevantes sigue siendo competencia del CoE.

La segunda se define por el hecho de que el CdE funciona como una unidad compacta y especializada. Su objetivo principal es proporcionar orientación. Actuando como facilitador, el CoE encabeza iniciativas clave, como el aprendizaje centralizado, la garantía de la preparación técnica y la realización de investigaciones tecnológicas. Aunque las capacidades se comparten entre el CdE y las unidades de negocio, el CdE tiene la responsabilidad general de garantizar el éxito de la transformación. Sin embargo, las unidades de negocio son responsables de los casos de uso y los análisis específicos del ámbito empresarial.

La Figura 4-6 explora los distintos niveles de federación de . La siguiente sección te ayudará a comprender mejor sus pros y sus contras, así como el modo en que tu enfoque podría cambiar con el tiempo a medida que madure tu viaje analítico.

Figura 4-6. Modelos empresariales federados a lo largo de la transformación analítica

Para impulsar una estrategia analítica común, necesitas un CoE. Esto es fundamental. Su existencia es un fuerte indicador de una transformación analítica más madura. Una solución totalmente descentralizada o centralizada, por otra parte, es un fuerte indicador de que una empresa está operando en la fase 1, el marco de madurez de Datos Reactivos.

Si el objetivo de tu organización es convertirse en Progresiva en Datos (fase 3), elige un modelo intermedio. No recomendamos empezar con un enfoque totalmente (o casi totalmente) centralizado. Si las unidades de negocio están muy desconectadas de la analítica, quizá no tengas más remedio que centralizar. Pero incluso entonces, intenta siempre implicar a las unidades de negocio en las actividades del CoE lo antes posible. Conseguir el compromiso, la concienciación y la curiosidad de las unidades de negocio será fundamental. Por tanto, intenta cambiar rápidamente la plena responsabilidad inicial de los casos de uso y su aplicación del CoE a una combinación de ambos modelos, y al menos transfiere la propiedad de los casos de uso analíticos a las unidades de negocio.

Cuanta más responsabilidad compartida puedas dar a las unidades de negocio, más fácil será despertar el interés de la gente por los conocimientos de datos y aprovechar la transformación analítica para el éxito empresarial. Pero esto será un maratón y no un sprint; necesitarás mucha perseverancia y paciencia.

La función principal del CoE es impulsar la transformación analítica en toda la empresa. Sus tareas incluyen:

• Garantizar la liberalización de los datos

• Crear una conciencia analítica y una competencia de transmisión de datos

• Construir un canal de ejecución de casos de uso "faro" para que la organización piense analíticamente

• Recoger oportunidades analíticas que ofrezcan ganancias rápidas y fruta al alcance de la mano para crear impulso

• Colaborar estrechamente con las unidades de negocio y la gestión de datos y conectar sus estrategias

• Crear una cultura analítica en la empresa

• Convencer a las personas más ambiciosas y apasionadas de la empresa para que hagan suya la transformación

En resumen, necesitas absolutamente un CoE para alcanzar la fase de madurez de los Datos Progresivos. Recomendamos un enfoque federado, empezando con un CoE fuerte al principio, y descentralizándolo cada vez más una vez que las unidades de negocio estén plenamente implicadas.

Impulsar el cambio transformacional con el modelo de influencia

Una transformación analítica de es un cambio organizativo serio y a menudo difícil. Muchas iniciativas de transformación fracasan, a menudo debido a factores humanos. Los empleados -la columna vertebral de cualquier organización- deben comprender y aceptar plenamente el cambio para que arraigue y tenga éxito.

Aquí es donde entra en juego el Modelo de Influencia: un marco estratégico basado en una sólida investigación académica, introducido por primera vez por McKinsey en 2003. El Modelo de Influencia aborda el núcleo del éxito del cambio organizativo: el elemento humano. No se trata sólo de tener un plan o implantar un nuevo sistema de software; se trata de influir en las mentalidades, moldear los comportamientos, crear un entendimiento cohesivo y ayudar a la gente a creer en la dirección de la organización. Este modelo se centra en cuatro áreas clave, que se muestran en el Cuadro 4-2:

• Fomentar la comprensión y la convicción

• Reforzar el cambio mediante mecanismos formales

• Desarrollar el talento y las capacidades

• Modelado de roles

Tabla 4-2. Extraído del Modelo de Influencia de McKinsey

"Cambiaré mi mentalidad y mi comportamiento si...".	Principio
"...Entiendo lo que se me pide y tiene sentido".	Fomentar la comprensión y la convicción
"...Veo que nuestras estructuras, procesos y sistemas apoyan los cambios que se me piden".	Refuerzo con mecanismos formales
"...Tengo las habilidades y oportunidades para comportarme de la nueva manera".	Desarrollar el talento y las capacidades
"...Veo que mis líderes, colegas y personal se comportan de forma diferente".	Modelado de roles

Cada una de estas áreas clave aborda los aspectos psicológicos y de comportamiento de un cambio, para garantizar no sólo que el cambio se implanta, sino que los empleados lo interiorizan.

En esencia, este modelo consiste en comprender el "por qué" del cambio y gestionar ese cambio con eficacia. El Modelo de Influencia proporciona las herramientas para ayudarte a hacerlo. Para cada iniciativa o proceso de cambio que emprendas, considera detenidamente los cuatro "componentes básicos" que se describen en las siguientes secciones.

Fomentar la comprensión y la convicción

Los seres humanos buscan de forma natural la coherencia entre sus creencias y sus acciones. Un reto habitual en el cambio es suponer que todo el mundo sabe ya por qué se está produciendo el cambio. Dos notables tendencias psicológicas contribuyen a ello: elefecto de falso consenso , por el que la gente sobreestima hasta qué punto los demás comparten sus propias actitudes, creencias y opiniones; y lamaldición del conocimiento , por la que a la gente le cuesta imaginar que los demás no sepan algo que ellos saben.

¿Cuál es la solución? Los líderes deben crear una historia de cambio convincente y establecer circuitos de retroalimentación para asegurarse de que todo el mundo la entiende. Las plataformas digitales y las iniciativas de sensibilización pueden ayudar a implicar a los empleados en estos cambios y hacerles sentir que forman parte del viaje. Si todo el mundo no está convencido de la transformación, el cambio habrá terminado antes de que haya empezado realmente.

Reforzar con mecanismos formales

Nuestros comportamientos suelen ser el resultado del refuerzo y el condicionamiento. Pero los empresarios suelen hacerlo de forma equivocada, sin alinear las recompensas y los comportamientos deseados. Por ejemplo, recompensar económicamente a los empleados puede funcionar hasta cierto punto, pero probablemente el dinero no sea el motivador definitivo; otros factores, como la finalidad y la colaboración, pueden tener un mayor impacto. También importa cómo utilices estas recompensas: pueden ser menos eficaces si son demasiado predecibles. Lo mejor es que las recompensas sean justas, variadas y con un propósito real.

Además, la organización debe mejorar el entorno laboral en el que operan los empleados, lo que abarca las condiciones de trabajo, las restricciones y la cultura. Si el "nuevo" entorno ofrece las mismas viejas estructuras y procesos, no puedes esperar un cambio de comportamiento.

Desarrollar el talento y las capacidades

Los seres humanos somos capaces de aprender y adaptarnos a lo largo de la vida. Pero algunas cosas pueden obstaculizar ese proceso:

Sesgo inherente

Muchos de nosotros no somos conscientes de nuestras lagunas de conocimiento porque somos inherentemente parciales. No sabemos lo que no sabemos.

Percepción de solvencia²

La gente suele suponer que los problemas complejos pueden resolverse de algún modo, sin abordarlos realmente ni probar los enfoques. Esto es especialmente cierto en el entorno de la IA, donde la tecnología subyacente logra cosas maravillosas de formas vagamente comprendidas. Es importante que la gente entienda cómo funciona realmente la resolución de problemas, porque encontrar una solución suele implicar mucho trabajo duro.

Indefensión aprendida

Los errores repetidos o las experiencias negativas pueden llevar a los individuos a creer que no pueden cambiar, creando un estado de "indefensión aprendida". Las organizaciones deben inculcar la creencia de que el esfuerzo puede conducir a la mejora. Con la llegada de la analítica, hay más oportunidades que nunca de demostrar esto en acción.

Modelado de roles

La gente imita a los demás de forma natural, tanto inconscientemente (como reflejando los patrones de habla de los demás) como conscientemente (como adoptando deliberadamente un comportamiento concreto). Aunque muchos piensan en los modelos de conducta en términos de figuras históricas o famosos, la influencia dentro de las organizaciones puede proceder de fuentes inesperadas. En nuestra era digital, la gente suele valorar las opiniones de las multitudes, como cuando confiamos en las reseñas de Yelp o leemos publicaciones de usuarios de LinkedIn con muchos seguidores.

Lo que esto significa para la transformación es: no subestimes el papel de las personas con grandes "círculos de influencia". Convence a estas personas desde el principio del propósito de la transformación y de las oportunidades que conlleva. Su apoyo ayudará a arraigar la transformación más rápida y sosteniblemente en la mente de los demás, y así impulsarla. Por eso son tan importantes los líderes analíticos: predican con el ejemplo. Cómo se comporten ellos será cómo se comporte la organización.

Es sorprendente la frecuencia con que se pasan por alto estos elementos críticos durante un cambio organizativo importante, aunque los fundamentos del modelo de influencia estén arraigados en la naturaleza humana. Para que el cambio tenga éxito, todos estos elementos deben abordarse de forma holística. Pueden parecer de sentido común, pero en el caos del cambio, hasta lo más básico puede olvidarse fácilmente.

Cada vez que introduzcas una nueva iniciativa, solución o cambio, te recomendamos que te preguntes si se están abordando adecuadamente los cuatro elementos. Por ejemplo, al introducir un nuevo caso de uso, podrías preguntarte:

• ¿He dejado claro el propósito de este caso de uso?

• ¿Puede la gente utilizar adecuadamente los resultados de este caso de uso?

• ¿Incorporar estos procesos garantiza un acceso más fácil a los conocimientos?

• ¿Cómo "recompensar" a los primeros adoptantes?

• ¿Tengo el apoyo de personas con influencia?

Este tipo de comprobación cruzada te ayuda a poner a prueba tus propias acciones y a corregir el rumbo si es necesario. Utiliza este marco. Es realmente muy potente.

El Modelo de Influencia es fundamental para apoyar la transformación analítica en las organizaciones. Se centra exhaustivamente en el elemento humano, que es clave para el éxito de tales iniciativas. Al abordar los aspectos psicológicos y conductuales del cambio, el Modelo de Influencia garantiza que los empleados no sólo adopten las nuevas tecnologías y procesos, sino que también interioricen estos cambios. Esto crea un entorno más receptivo al cambio al abordar las causas clave del fracaso de la reestructuración. Alinea los comportamientos y actitudes de los empleados con los objetivos empresariales y de transformación, vence la resistencia y mejora el rendimiento general de la empresa. Cambiar el entorno en el que operas es sólo la mitad de la batalla.

Cultivar una cultura alfabetizada en datos

Dividimos el gran tema de la alfabetización de datos en cuatro subtemas(Figura 4-7): la concienciación de datos, la narración de datos, los beneficios estratégicos de la gestión basada en datos y la dinámica del liderazgo en la era de la IA. Cada uno de estos temas equipa a los líderes y traductores analíticos con las habilidades que necesitarán para dirigir sus organizaciones a través del poder transformador de los datos. Este viaje educativo trata de crear una cultura centrada en los datos que prospere en la toma de decisiones informadas y la innovación continua.

Figura 4-7. Cuatro aspectos clave de la alfabetización informática

Puede que te preguntes: ¿por qué es necesaria la alfabetización en datos si el AA sólo se está integrando en tus flujos de trabajo empresariales? La respuesta es sencilla: necesitas un alto nivel de alfabetización en datos -especialmente entre tus traductores analíticos- para poder encontrar y desarrollar los casos de uso que deberían aumentar los flujos de trabajo empresariales críticos en el sentido de AA. Por otra parte, los usuarios de la analítica -las masas- no necesitan un alto nivel de alfabetización en datos para beneficiarse de estos flujos de trabajo. Pero necesitan algo llamado "conciencia analítica", un concepto que explicaremos en la siguiente sección.

Por eso cada función requiere una formación diferente. Los líderes analíticos deben centrarse (como mínimo) en la concienciación analítica y la gestión basada en datos, mientras que los traductores analíticos necesitan toda esta formación. Para los profesionales de la analítica, la concienciación y la narración proporcionan una base sólida para la adopción de la analítica, aunque las habilidades necesarias variarán según el puesto y la función, como puedes ver en la Figura 4-7. Veámoslo más de cerca.

Cultivar la conciencia analítica

La evolución de hacia la toma de decisiones basada en datos requiere que las personas que no son profesionales de la analítica comprendan todo el espectro de tecnologías de datos y procesos analíticos, para que puedan comunicarse eficazmente con los profesionales de la analítica y utilizar los datos para obtener ventajas estratégicas. El objetivo principal de la concienciación sobre los datos es garantizar que reconozcan el valor de los datos estructurados de alta calidad.

En el centro de la conciencia de los datos está la comprensión del proceso de análisis de datos: un viaje complejo desde la recopilación de datos hasta las perspectivas analíticas. A medida que tú, como profesional de los negocios, te sumerjas en esta área, te volverás experto en garantizar la integridad y maximizar la calidad de los datos.

Sumergirse en el mundo de los datos también significa familiarizarse con la forma de visualizarlos. Los líderes analíticos, traductores y usuarios pueden estudiar las buenas prácticas para aprender a transformar conjuntos de datos complejos en narraciones visuales claras y convincentes. Cada visualización sirve de vínculo crítico entre los datos y la toma de decisiones.

El viaje hacia el conocimiento de los datos continúa con los conceptos de IA, ML y aprendizaje profundo. Comprender estos términos y sus aplicaciones permite a los profesionales no analíticos evaluar críticamente las capacidades y limitaciones de la IA, fomentar un diálogo constructivo con los científicos de datos y formular expectativas realistas para los proyectos de IA. Esto incluye tratar el uso responsable y realista de las herramientas de IA genérica, especialmente los ML como GPT, como una competencia básica, dado que ahora forman parte de la caja de herramientas cotidiana de los profesionales de los negocios.

A medida que los mundos digital y físico se fusionan a través del IoT, los sensores y dispositivos inteligentes contribuyen a la explosión de datos, con oportunidades sin precedentes para mejorar los procesos y crear valor.

Contar historias con datos

En una era de saturación de datos, la capacidad de contar una historia convincente es primordial. La narración de datos tiende un puente entre los números brutos y la comunicación eficaz, equilibrando la racionalidad estadística con la claridad narrativa. Esta habilidad es esencial para los profesionales que necesitan presentar resultados de datos complejos a diferentes audiencias dentro de la organización.

Una vez más, ayuda entender primero el propósito, el "por qué", de la narración de datos. Es una preparación para una inmersión más profunda en el "cómo": los métodos y técnicas que convierten los datos en historias convincentes adaptadas a las necesidades del público y a los objetivos de la presentación. Los profesionales de la empresa deben aprender a comunicarse con los datos de forma adecuada a su público, dominando las sutilezas del tono, el contexto y el carácter para realizar presentaciones que resuenen e influyan en sus audiencias.

A medida que perfeccionan sus habilidades narrativas, los profesionales también se convierten en conservadores de narraciones de datos. Destilan grandes cantidades de información en historias cohesivas, utilizando técnicas como el guión gráfico. Este enfoque estructurado garantiza que los mensajes clave se transmitan con precisión y que el público permanezca atento e informado.

Dominar las herramientas visuales es otra parte esencial de la narración de datos. Todos los gráficos y formatos visuales tienen sus puntos fuertes y sus aplicaciones. Elegir la visualización adecuada es una decisión estratégica que puede mejorar significativamente la comprensión y asimilación de la información por parte de tu público.

Declutar, o eliminar lo innecesario para centrarse en lo esencial, no es sólo un principio de diseño; también es una estrategia de comunicación fundamental. Al aprender a desordenar las visualizaciones, los profesionales se aseguran de que las presentaciones de datos no sólo sean estéticamente agradables, sino también psicológicamente convincentes, centrando la atención del público en lo que realmente importa.

La visualización de datos es ciertamente menos una ciencia que un arte, pero es una parte importante del conjunto de habilidades de alfabetización de datos de las personas que trabajan en el entorno analítico y no debe descuidarse .

Adoptar la gestión basada en datos

Convertirse en una organización basada en datos es más que una actualización tecnológica: es un cambio fundamental en la cultura de la toma de decisiones. Para los directivos, este cambio requiere una profunda comprensión del valor intrínseco de los datos y los conocimientos prácticos para utilizarlos con fines estratégicos.

Desde el principio, los directivos deben aprender las ventajas de la toma de decisiones basada en los datos y reconocer el papel central de la cadena de valor analítica para refinar los datos brutos y convertirlos en ideas estratégicas. Esta comprensión es fundamental para reconocer cómo los datos pueden ir más allá del apoyo operativo de ámbito local para convertirse en un activo empresarial básico e incluso allanar el camino para procesos optimizados y productos de datos innovadores. Una parte fundamental de esta transformación es comprometerse con una estrategia analítica. Una vez que los directivos se comprometan con la estrategia y empiecen a aplicarla, podrán conocer los escollos habituales y aprender a superar los retos con visión estratégica y perspicacia operativa. También estarán capacitados para alinear de forma óptima sus esfuerzos con la estrategia empresarial individual.

La integridad de los datos es fundamental. Los directivos tienen un papel especial como guardianes de la calidad de los datos. Deben comprender cómo la integridad de los datos de una empresa afecta a su salud y trabajar de forma proactiva para mantener esa integridad.

A los gestores también les preocupa el factor humano: crear y mantener la propiedad de los datos, abordar las lagunas de capacidad y promover una cultura de aprendizaje y mejora continuos.

Liderar en la era de la IA

Como competencia final de , el pensamiento de datos abarca la mentalidad estratégica necesaria para integrar los datos en el ADN de la organización. Los líderes exploran la sinergia entre el pensamiento de diseño y la analítica de datos, utilizando herramientas como el Lienzo de Casos de Uso Analítico para generar ideas y alinear las iniciativas de datos con los objetivos empresariales y las necesidades de los usuarios para dar forma a una organización consciente de los datos.

La IA, antes un concepto lejano, es ahora parte integrante de la conversación empresarial. A medida que la IA reconfigura las industrias, los directivos y ejecutivos en particular necesitan pasar de la mera concienciación al compromiso activo y comprender el potencial de la IA para impulsar la innovación y la rentabilidad. Este viaje educativo comienza con la desmitificación de la IA y sus complejidades. A partir de ahí, los líderes pueden aprender a identificar y alimentar las oportunidades de la IA, anticiparse a los retos asociados a las iniciativas de IA y crear un entorno en el que la IA pueda prosperar. Estos conocimientos básicos sientan las bases para que los líderes construyan una estrategia de IA como una extensión de la estrategia analítica y la gestión de proyectos, garantizando que las inversiones en IA se traduzcan en resultados empresariales tangibles.

Las competencias de aprendizaje basadas en proyectos proporcionan a los directivos los métodos para gestionar el ciclo de vida de los proyectos de IA, desde la idea hasta la implantación. Se trata de una hoja de ruta práctica, un enfoque de casos de uso para el éxito de los proyectos de IA que abarca el desarrollo de casos de uso, la prueba de concepto y los entresijos de la ingeniería y las operaciones de IA.

La culminación de este viaje es la integración empresarial. Los directivos deben aprovechar la sabiduría de los líderes de pensamiento de la IA, integrando las buenas prácticas en una estrategia empresarial y de IA cohesionada que pueda guiar a la organización a través de la complejidad de la adopción de la IA, proporcionando las capacidades, la pila tecnológica y las prácticas de gestión necesarias para aprovechar el poder transformador de la IA. Comprendiendo y comunicando esto a tus líderes, sentarás las bases para una implantación exitosa de la IA.

Aunque muchas de las actualizaciones describen habilidades muy centradas en las nuevas competencias directivas, éstas deberían abrirse a todas las funciones analíticas. Reconocer cómo actúan los líderes y por qué les ayudará a adaptarse y les reforzará como modelos de conducta. A través de estos enfoques de aprendizaje, los líderes y traductores de la analítica no sólo recibirán formación, sino que también estarán capacitados para impulsar la transformación de la analítica, fomentar la alfabetización en datos, desarrollar una cultura centrada en los datos y dirigir su organización hacia un futuro en el que los datos y la IA sean parte integrante del éxito. Son ellos quienes, en última instancia, deben identificar, evaluar e impulsar el valor de los casos de uso para la organización, y es absolutamente esencial que estén plenamente preparados.

El Programa de Capacitación

La alfabetización informática por sí sola no es un habilitador. Tienes que integrarla en un programa de capacitación. Esta sección describe diferentes programas orientados específicamente a los líderes y traductores analíticos, que deben ser tratados de forma diferente. Para los líderes, la atención se centra en el pensamiento analítico, la gestión basada en datos, la comprensión de la estrategia analítica y servir de modelo. Para los traductores, la atención se centra en su papel de puente y en cómo abordar los retos analíticos de forma independiente, al tiempo que impulsan un enfoque colaborativo.

Formatos de formación para líderes analíticos

Los líderes necesitan un punto de partida para su viaje, con un seguimiento frecuente en formatos que les ayuden a crecer en sus funciones. Ese punto de partida es un taller o campamento de compromiso inicial para que todos estén de acuerdo. Recomendamos celebrar este taller una vez finalizada la estrategia de análisis.

Estos programas llevan mucho tiempo y son caros. Duran uno o dos días, y apartar a los ejecutivos de su trabajo durante esa cantidad de tiempo es un gran problema. Una vez que encuentres el lugar y el momento adecuados, invierte mucho en crear contenidos de valor añadido en un formato coherente que no les haga perder el tiempo. Este taller no contribuye directamente al ROI de la empresa -es una inversión en concienciación-, así que tiene que quedar claro para los líderes que obtendrán algo de su compromiso de tiempo.

Combina tu contenido con elementos frescos y emocionantes, y crea un entorno que dé a los líderes tiempo para compartir e intercambiar ideas, entablar relaciones y crear redes. Recomendamos no más de 20 personas por taller, idealmente una mezcla realmente diversa de líderes de distintos ámbitos. Según el tamaño de la organización, puede que necesites celebrar varios actos.

Taller inicial

En el taller (o "campamento") inicial de uno o dos días de será donde causes la primera impresión a todos los líderes de la organización, así que ten en cuenta que las primeras impresiones duran. Es tu oportunidad de establecer un lenguaje común, de hacerles conscientes del cambio y de las oportunidades que traerá consigo, y de presentarles las habilidades y funciones necesarias. Tu objetivo es conseguir el apoyo y el compromiso de la alta dirección y comprender mejor cómo dar forma al cambio futuro.

Es esencial dar al taller una secuencia memorable. Ésta es la estructura que recomendamos:

Paso 1: Explica el objetivo

Empieza con una explicación detallada de la finalidad y el enfoque estratégico de la transformación. Presenta el statu quo, las ambiciones de la empresa basadas en la información y tu hoja de ruta.

Paso 2: Desmitifica las palabras de moda

Explicar la analítica de datos y otros términos y conceptos clave, como la ciencia de datos, la analítica descriptiva y predictiva, la inteligencia artificial y la IA generativa. Ayuda a todos a comprender la analítica de datos al más alto nivel y muestra cómo encaja la analítica en la toma de decisiones estratégicas.

Pon ejemplos concretos que sean lo bastante memorables como para que todo el mundo pueda seguirlos. Por ejemplo, utiliza un caso que describa perfectamente el camino de la analítica de descriptiva a prescriptiva, con los precios de la vivienda o el conjunto de datos Iris o lo que sea (lo mejor es que preguntes a tus científicos de datos; te proporcionarán mucho contenido).

Paso 3: Pon ejemplos

Da ejemplos presentando tus primeros casos de uso internos o, si aún no tienes ninguno, utilizando ejemplos externos de tu sector o de otros sectores. Explícalos y, si es posible, demuéstralos en directo.

Paso 4: Introducir el enfoque del caso de uso

A continuación, explica la gestión basada en el análisis. En particular, céntrate en la ideación y la implementación de casos de uso. Muestra cómo funcionará tu canal de casos de uso y cuál es tu enfoque integral. En el Capítulo 5 encontrarás un ejemplo de una posible aplicación de un planteamiento de casos de uso.

Paso 5: Lluvia de ideas

Haz que los participantes hagan una lluvia de ideas sobre sus propios casos de uso. Divídelos en grupos y guíales a través de un proceso de pensamiento de diseño, que apoye a la audiencia con un enfoque bien estructurado: empieza con un planteamiento bien definido del problema del caso, luego discute el valor empresarial y los datos necesarios, y dibuja una posible solución futura. Deja que presenten sus ideas y que se desafíen unos a otros. Verás que es una situación beneficiosa para todos los implicados, ya que fomenta el pensamiento analítico y puede generar buenos casos de uso para tu backlog.

Paso 6: Someter sus ideas al proceso del caso de uso

A continuación, muestra a los líderes cómo encajan sus ideas en el proceso del caso de uso como punto de partida. Señala cómo se evalúa la viabilidad y el valor empresarial de las ideas y cómo se consideran para posibles proyectos piloto. Incluso puedes demostrar cómo se crea un prototipo. Elige un caso pequeño, menos complejo, y muestra en directo cómo el ML puede proporcionar una visión inicial. Para ello puedes utilizar herramientas sin código, que son estupendas para demostrar un flujo de trabajo y dar a los ejecutivos una sensación de viabilidad cuando se dan cuenta de que no es necesario codificarlo todo.

Paso 7: Introducir funciones y responsabilidades

Cada directivo y líder tiene que saber cuál es su papel y cuáles serán sus responsabilidades en la transformación, así como las funciones y responsabilidades de las personas a las que dirigirá. Necesitan comprender los cambios que traerá la transformación y cuáles son las nuevas funciones. Ayúdales a comprender cómo integrar la función de traductor de análisis en sus equipos. También necesitan tener una idea inicial de cómo enfocar la integración de la analítica para la toma de decisiones estratégicas.

Paso 8: Establecer el statu quo

Para calibrar la transformación, necesitas una idea clara de la madurez actual de la organización. Prepara una encuesta para preguntar a los participantes cómo ven el uso y la relevancia de la analítica y cómo perciben su propia preparación, la de sus equipos y la de la organización en su conjunto. Estas percepciones te ayudarán a determinar otras áreas de interés para la transformación y darán a los líderes un sentido de propiedad.

Paso 9: Conseguir la participación

Durante el mes siguiente al taller, consigue el apoyo de los participantes. Pregunta a cada uno qué quiere hacer para desempeñar su papel de líder analítico y qué necesita del CdE para tener éxito.

Las ideas que obtendrás durante este taller serán oro puro: utilízalas para guiar tus próximas acciones. Así que piensa en este "campamento de liderazgo" como una gran oportunidad para todos los participantes, tanto como líderes como para el desarrollo del CdE.

El campamento inicial es tu primera aparición en la percepción de todos los líderes; ten siempre presente que las primeras impresiones duran. Es la oportunidad de establecer un lenguaje común, de hacerles conscientes de las oportunidades y del cambio, así como de las habilidades y funciones necesarias para la transformación. Podrás ganarte el apoyo y el compromiso de tus altos directivos y comprender mejor cómo dar forma a los futuros cambios .

Programas de seguimiento

El taller inicial de es sólo el principio. Estás creando un programa de compromiso de liderazgo a largo plazo en torno a la transformación analítica, y eso no es cosa de una sola vez. Tu enfoque debe ser educativo, experiencial y culturalmente integrado. La Tabla 4-3 detalla cómo sugerimos estructurar un programa de este tipo.

Tabla 4-3. Ejemplo de estructura para un programa continuo de capacitación de líderes

Evento	Frecuencia	Propósito	Descripción
Mesas redondas ejecutivas	Cada dos meses	Conversación continua sobre sus experiencias con la analítica	Las sesiones programadas periódicamente cubren contenidos rotativos sobre temas analíticos específicos, como nuevas tecnologías o casos de uso dentro o fuera del sector, y animan a los líderes a compartir sus retos y buenas prácticas. Este intercambio continuo garantiza que la capacitación no sea un acontecimiento puntual, sino una parte integral de la rutina profesional de los líderes.
Talleres prácticos trimestrales de mejora de las competencias	Cada cuatro meses	Reforzar el papel y consolidar las habilidades blandas	Los talleres trimestrales ayudan a los directivos a profundizar en sus funciones y responsabilidades en la transformación. Se centran menos en los aspectos técnicos de la transformación y más en consolidar las habilidades blandas, con práctica y repetición.
Laboratorios de análisis	Cada seis meses	Resolución colaborativa de problemas	Los ThinkLabs reúnen a los líderes para que apliquen sus habilidades analíticas a retos empresariales reales con un trabajo en equipo interfuncional, una mentalidad de resolución de problemas y un pensamiento innovador. Los ponentes externos inspiran la innovación y aportan nuevas perspectivas sobre temas concretos, por ejemplo, la ideación de casos de uso de la IA genérica o el pensamiento de diseño para integrar determinados algoritmos en flujos de trabajo específicos. Estos eventos también ayudan a mantener al día la acumulación de casos de uso.
Cumbre de liderazgo	Una vez al año	Reflexionar y celebrar los progresos	Esta cumbre anual es la culminación del programa de compromiso y proporciona un foro para reflexionar sobre el progreso del año en la transformación de la analítica. También es una oportunidad para celebrar los éxitos y reconocer las contribuciones de las personas y los equipos. Este evento desempeña un papel fundamental para mantener el impulso y establecer la agenda del año siguiente.

Además, aprovecha y consolida plenamente otras actividades de apoyo. Considera añadir la tutoría de expertos en análisis a tu programa interno de desarrollo del liderazgo para personalizar la experiencia de aprendizaje y proporcionar apoyo directo. Proporciona a los líderes acceso a recursos de aprendizaje en línea para que puedan mejorar sus habilidades por sí mismos.

Como mecanismo de refuerzo más formal, los cuadros de mando pueden ayudar a los líderes a hacer un seguimiento de su contribución personal a la transformación mediante el monitoreo de los KPI. También puedes considerar las redes comunitarias, pero con precaución. Plataformas como Microsoft Teams pueden abrumar a los directivos, que a veces perciben su contenido como indeseable. Es mejor ceñirse a formatos estructurados regulares para evitar la sobrecarga de información de .

Formatos de formación para traductores analíticos

Desarrollar un programa a largo plazo para traductores analíticos requiere un enfoque que evolucione con su papel único como puente entre los equipos técnicos analíticos y las partes interesadas del negocio.

Taller inicial

Comienza con un taller intensivo, "Taller inicial: Introducción a la función de traductor", que establezca el marco del viaje del traductor analítico. Su contenido debe incluir los objetivos generales de la transformación analítica, la importancia de su papel como traductores y cómo alinear las capacidades técnicas con las estrategias empresariales. Aborda las expectativas de las personas, cuáles son sus objetivos y cómo quieren desarrollarse. Este taller es esencial para familiarizar a los participantes con sus funciones y proporcionarles los conocimientos básicos que necesitan para sobresalir.

Programas de seguimiento

El Cuadro 4-4 ofrece un ejemplo de programación que puede servir como seguimiento de este taller.

Tabla 4-4. Ejemplo de estructura para un programa continuo de capacitación de líderes

Evento	Frecuencia	Propósito	Descripción
Sesiones de profundización	Todos los meses	Perfeccionar la perspicacia técnica y empresarial	Cada mes, los traductores analíticos deben asistir a sesiones en las que se profundice en herramientas analíticas, metodologías y casos de uso específicos. Esta serie continua garantiza que los traductores dominen tanto el lenguaje de los datos como el lenguaje empresarial. Cada sesión debe terminar con conclusiones prácticas que los traductores puedan aplicar directamente a los proyectos en curso.
Laboratorios de análisis	Cada cuatro meses	Facilitar la colaboración interdisciplinar	Los traductores analíticos también deberían participar en los ThinkLabs descritos en la Tabla 4-3. Los traductores pueden garantizar que los equipos del laboratorio mantengan un equilibrio entre la viabilidad técnica y la viabilidad empresarial. Facilitan la comunicación entre los científicos de datos, los ingenieros y los líderes empresariales. Como defensores de la perspectiva analítica y empresarial, los traductores pueden fomentar la adopción de ideas derivadas de los datos para informar los procesos de ideación y creación de prototipos dentro del laboratorio. Pueden dirigir el debate en las sesiones de ideación y orientar el desarrollo de conceptos con su experiencia de otros casos de uso.
Cumbre sobre liderazgo analítico	Una vez al año	Reflexionar y celebrar los progresos	Los traductores también deben participar en la cumbre anual de liderazgo, para presentar casos de uso e historias de éxito que muestren cómo la analítica ha impulsado los resultados empresariales, proporcionando pruebas del valor de la toma de decisiones basada en datos. Pueden asesorar y participar en presentaciones activas, aportando su visión sobre cómo los datos y la analítica pueden ayudar a dar forma a la dirección estratégica de la organización. Las cumbres proporcionan una plataforma para que los traductores entablen relaciones con altos ejecutivos, aumentando la visibilidad y la importancia de la analítica en la agenda ejecutiva. Como voz de la interoperabilidad técnica, los traductores pueden articular lo que es tecnológicamente posible.

Para complementar estos actos clave, recomendamos las siguientes actividades de apoyo:

Participación activa en la aplicación del caso de uso

Una de las palancas más importantes para que los traductores cumplan su función es su participación activa en el proceso de implementación del caso de uso. No sólo son responsables de comunicar el progreso de la implementación, sino que también deben implicarse cada vez más en el desarrollo activo. Los bucles de retroalimentación y las sesiones de codificación entre iguales con los analistas ayudarán a mejorar la capacidad analítica de los traductores y les permitirán poner en práctica más ideas propias en el futuro, al servicio del enfoque federado.

Programas de tutoría y seguimiento

Los traductores analíticos son emparejados con líderes de otras áreas de negocio y profesionales analíticos experimentados para fomentar una comprensión interdisciplinar más profunda y proporcionar una visión de las diferentes áreas de negocio y procesos analíticos. Los traductores pasan tiempo con sus mentores en su entorno de trabajo cotidiano, lo que les permite adquirir experiencia práctica e identificar posibles paralelismos en el ámbito de las soluciones analíticas. Esta colaboración directa crea valiosas sinergias, ayudando a los traductores a solidificar y ampliar su papel como facilitadores entre los mundos de los datos y la estrategia empresarial.

Cursos de certificación continua

Los cursos de formación continua y desarrollo profesional ofrecen certificados en las últimas metodologías analíticas, tecnologías emergentes y habilidades avanzadas de liderazgo lateral. Estos cursos están diseñados para profundizar en las habilidades de los traductores y dotarles de las últimas tendencias y herramientas para un análisis e interpretación eficaces de los datos.

Presentaciones de proyectos

Las presentaciones periódicas de proyectos permiten a los traductores de analítica demostrar cómo aplicar la analítica para obtener resultados empresariales tangibles. Los traductores explican sus ideas, visualizan sus éxitos, comparten buenas prácticas y aprenden nuevos enfoques. Estos actos son fundamentales para reconocer a los traductores dentro de la organización y fomentar su confianza.

Circuitos de retroalimentación

Al establecer mecanismos estructurados para que los traductores reciban comentarios constructivos de las partes interesadas, los circuitos de retroalimentación son esenciales para la mejora continua. Proporcionan información valiosa sobre la eficacia del trabajo de los traductores y les permiten afinar sus métodos y enfoques. La retroalimentación periódica garantiza que los traductores puedan crecer en su función y adaptarse continuamente a las necesidades cambiantes de la organización .

Formación en Alfabetización Informática

Un buen contenido no basta para garantizar el éxito. Incluso cuando los participantes reconocen la necesidad de formación, el tiempo siempre es un factor limitante. A los traductores analíticos les puede ir bien un programa de formación dedicado y de larga duración que forme parte de su función acordada y, por tanto, pueda incorporarse a sus horarios. Sin embargo, para los horarios de los directivos, es poco probable que un curso de larga duración sea adecuado. Algunos empleados también pueden carecer de la motivación y la resistencia necesarias para completar cursos largos, por lo que es importante un enfoque motivador. Por ejemplo, no todo el mundo puede organizar su propia formación.

Las empresas han empezado a reconocer este problema. StackFuel, por ejemplo, ofrece un programa de perfeccionamiento que combina formación organizada y a ritmo propio dentro de un plazo determinado. Esto proporciona estructura y ayuda a los participantes a realizar un seguimiento de su progreso general y de su conocimiento de los datos. Este enfoque garantiza que todos estén en la misma página y que nadie se precipite. Así que determina los formatos adecuados para líderes y traductores, y luego combínalos con actos y programas diseñados para implicar a la comunidad de traductores de analítica.

Formación técnica

En hemos hablado de la alfabetización en datos para las funciones empresariales, pero también es esencial contar con un programa de desarrollo técnico adecuado para los profesionales de la analítica. Aquí es difícil hacer recomendaciones genéricas: la formación que necesiten dependerá mucho de la orientación técnica de la empresa y del ecosistema analítico. Por ejemplo, si la empresa depende en gran medida de soluciones de proveedores, las personas necesitarán formación específica sobre esas soluciones.

Lo que podemos recomendar es centrarse en las habilidades analíticas generales, como la estadística básica, el procesamiento de datos y los lenguajes de programación de código abierto. SQL, Python y R son bases cruciales para las habilidades de codificación.

Además de nuevas competencias, los profesionales necesitan mejorar continuamente sus conocimientos técnicos y metodológicos. Según nuestra experiencia, los profesionales de la analítica suelen ser los que mejor conocen sus necesidades y a menudo desean utilizar fuentes específicas para mejorar sus conocimientos. Proveedores especializados como DataCamp, Udacity, Udemy y LinkedIn Learning ofrecen una amplia gama de formación online. Busca recursos atractivos y motivadores. Sin duda, los profesionales de la analítica no necesitan un enfoque totalmente guiado, pero las recompensas y un enfoque estructurado les ayudarán a tener más éxito. En nuestra opinión, DataCamp tiene contenidos actuales y un fuerte enfoque motivador.

Además, hay muchos otros conceptos que pueden ser útiles para reciclar a las personas y convertirlas en profesionales de los datos. Leer libros siempre es un buen enfoque. También puedes plantearte asistir a programas especiales como Springboard o StackFuel Reskills.

Conclusión

Lo más importante de este capítulo es la importancia de las cuatro funciones analíticas clave para la empresa. Cada uno de estos papeles tiene expectativas; unos producen contenido y otros lo consumen. Los líderes, de quienes se espera que impulsen toda la transformación con el ejemplo, y los traductores de la analítica, que tienden puentes entre los dos mundos de la empresa y la analítica, tienen funciones especialmente importantes. El gestor de la transformación da forma y guía activamente la transformación y acompaña activamente el cambio. Cada función requiere una mentalidad y un conjunto de habilidades determinados, y puede subdividirse en diferentes personas con sus propias funciones individuales, dependiendo del modelo empresarial.

Sin estas funciones, no podrás llevar a cabo tu transformación hasta el punto de alcanzar la fase 3, el estado Progresivo de los Datos. También necesitarás crear un CoE para poner en marcha la transformación y dirigir y organizar todas las iniciativas de cambio. Esta unidad es la más capacitada para comprender las necesidades empresariales e implantar soluciones analíticas.

A medida que tu organización madura en su transformación de AA, es importante cambiar tu enfoque de la aplicación de la analítica. Atender la creciente demanda desde una unidad centralizada conllevará inevitablemente limitaciones, por lo que, en un momento dado, tendrás que distribuir la responsabilidad del uso de la analítica. Recomendamos adoptar un enfoque federalizado que faculte a las unidades descentralizadas al tiempo que garantiza la coordinación y orientación de un CoE de acompañamiento.

En el próximo capítulo, hablaremos de cómo los casos de uso pueden ayudar a la organización a avanzar en la madurez de los datos. También comprenderás cómo el AA será esencial para alcanzar la fase final de fluidez de datos. Discutiremos los aspectos clave de la necesidad de adopción e integración técnica, sus ventajas y sus retos.

¹ A nuestros efectos, "diseñar un sistema" significa definir la estructura de un enfoque para una transformación analítica. Véase Melvin Conway, "How Do Committees Invent?", Datamation, abril de 1968; y Martin Fowler, "Conway's Law", MartinFowler.com, 20 de octubre de 2022.

² Definido por el profesor Michael Löwe, 2007 FHDW Hannover, en una conversación directa con sus alumnos en la preparación de un examen.