https://www.facebook.com/wilber.carrion.1 - Twitter: @wilbercarrion  
  Su apoyo es bienvenido, cuenta: BBVA Continental- 0011 0175 0200256843  

miércoles, 14 de septiembre de 2016

data analytics

    Los 5 errores en el proceso de innovación con data analytics



FORBES- 15 DE septiembre de 2015
Definir bien un problema es el 90% de la solución. A veces olvidamos que trabajar en data analytics implica solucionar un problema de negocios.  

 La evidencia empírica muestra que los procesos de innovación de las empresas se basan en comprender comportamientos. Comportamientos de personas, máquinas y otros agentes que interactúan en la cadena de valor de la empresa. Estos comportamientos surgen como consecuencia de acciones repetidas, que al analizarlas longitudinalmente permiten identificar patrones. Tomar decisiones sobre estos últimos es lo que hace que una empresa pueda generar, apropiar y distribuir valor a través de la innovación de productos o procesos.


El data analytics es la herramienta, o la disciplina, que está ayudando a las empresas y organizaciones en general a identificar estos patrones de comportamiento. Actuando así sobre la optimización de los procesos, innovando con base en incrementos sustantivos de productividad, o impactando en el desarrollo de nuevos productos, impactando a través de identificar nuevos mercados.


En los últimos años he analizado varios procesos de innovación utilizando data analytics y he identificado 5 errores que se repiten permanentemente. Acá los cuento.


Todos son clavos. Esto surge de la frase célebre de Maslow “Si lo único que tengo es un martillo, todos los problemas se parecen a un clavo”. No todos los problemas de información que tiene la empresa son iguales. No todas las decisiones buscan lo mismo. Algunas buscan minimizar los costos, y otras buscan maximizar los ingresos. Las dos buscan el óptimo, pero por caminos diferentes. Por ende, ¿qué está buscando lograr tu empresa?


Sólo hay martillos. La misma herramienta puede hacer todo. Esto es muy común para aquellas empresas, o para aquellos product managers, que sólo gestionan o venden una herramienta. Si la empresa quiere visualizar, si la empresa quiere hacer business intelligence, si la empresa quiere crear un algoritmo predictivo, si quiere desarrollar un modelo prescriptivo, todo está dentro del data analytics, pero no todo es lo mismo. Es bueno preguntarse ¿es la herramienta adecuada? Para eso, el project manager debe conocer el toolkit


Todos saben de todo. La forma en que se arma y coordina el equipo es crítico. El proceso de creación del equipo de trabajo, la definición de roles, la coordinación con el equipo del cliente, la definición de responsabilidades, hace el éxito del proyecto. No quiero decir que el equipo sea multitudinario, sino que cumpla con todos los roles. Puede existir una misma persona para varios roles. Por ende, ¿cómo formaste el equipo? ¿Qué competencias necesitas? ¿Los roles están definidos? ¿Cómo se definieron las políticas de trabajo durante el proyecto?


Lo importante es la tech. Definir bien un problema es el 90% de la solución. Hay veces que nos olvidamos de que trabajar en data analytics implica solucionar un problema de negocios. Es fundamental comprender los principios del behavioral economics detrás del problema de negocios que posee la empresa si queremos tener éxito con los proyectos de data analytics. Muchas veces, por pasar rápido al diseño del framework tecnológico, se pierde de analizar lo realmente importe, cómo la empresa puede mejorar su propuesta de valor a través de los datos. Yo recomiendo que el PM del proyecto tenga un mayor peso de negocios que de tecnología, o de estadística.


Perder de vista el bosque. Estamos ayudando a la empresa a tomar decisiones innovadoras, por ende, no estamos vendiendo tecnología; la tecnología se vende como facilitadora. Esto implica muchas veces que la tecnología no sea el centro de la discusión. Implica que si bien el CIO tenga la necesidad, el CEO tenga el “dolor” de negocios que necesitamos solucionar. O el CIO nos permite entender el problema de negocio, o nos habilita el nexo con “el negocio”. Si no, terminaremos vendiendo “consumo de cloud” para hacer data analytics sin un aporte de valor destacable. Un futuro “no cliente”, sólo una transacción comercial.





Diego Vallarino-Director de Bexton Research. Colaborador en Innovación Estratégica y Competitividad en empresas y gobiernos de América Latina. Autor del libro “Innovando desde el Sur” y profesor invitado en MBA.