Data Analytics

 Modelo BAFI: el journey del Data Analytics

FORBES- 16 de febrero de 2017

Las empresas saben que la Data es fuente de ventaja competitiva, pero muchas no saben en qué estadio están y mucho menos, qué necesitan para ser innovadoras a través del Data Analytics.

Mi trabajo diario consiste en preguntarles a los ejecutivos de diferentes firmas ¿Cómo las empresas están usando los datos? ¿Podrían estar usándolos más óptimamente? ¿Qué tanto valor generan los datos que posee la empresa? ¿Qué tanto valor la empresa pueda apropiar de la utilización eficiente de esos datos? Estas son algunas de las preguntas que les hago a las compañías que quieren generar ventaja competitiva desde la utilización de datos.

Hoy ya no hay dudas que los datos “mueven el mundo”. A modo de ejemplo, Barcelona está sacando provecho de los datos para construir una ciudad más inteligente, y darle la capacidad de examinar las pautas de tráfico de los turistas, ver dónde poner más estaciones de bicicletas públicas e identificar qué esquinas de la ciudad necesitan más cajeros electrónicos. En los Emiratos Árabes Unidos, las nuevas herramientas de datos se están utilizando para diseñar el primer edificio de energía “positiva” del mundo que efectivamente produce más energía de la que consume. En Kenia, se están utilizando los datos móviles para identificar los patrones de la infección de la malaria e identificar puntos de acumulación de casos que guíen al gobierno en sus esfuerzos de erradicación.

Por su parte, las empresas están innovando gracias a los datos, ya que los sectores están cambiando. En la medicina preventiva la innovación de los datos está ayudando a las personas a vivir más tiempo y tener vidas más saludables mediante un mejor discernimiento. En el transporte la innovación de los datos se utiliza para ahorrar tiempo, ahorrar dinero, ahorrar combustible y salvar vidas. En el sector financiero la innovación de los datos está aumentando la eficiencia, mejorando el cumplimiento normativo y reduciendo los fraudes. En la producción la innovación de los datos está mejorando la forma en que los productos se diseñan, elaboran y distribuyen.

A su vez, los agricultores desde Iowa hasta la India están utilizando datos de semillas, satélites, sensores y tractores para tomar mejores decisiones acerca de qué cultivar, cuándo plantar, cómo hacer un seguimiento de la frescura de los alimentos de la granja a la mesa y cómo adaptarse a los cambios en el clima. Hoy, el 90 % de los líderes de negocios citan a los datos como uno de los recursos clave y un factor distintivo fundamental para los negocios, a la par de recursos básicos como las tierras, la mano de obra y el capital.

Pero las empresas no están en condiciones de aprovechar al óptimo la utilización de la “economía de los datos”. Según la experiencia de trabajar con empresas que están enfocadas en desarrollar ventaja competitiva desde la utilización de datos, he desarrollado un modelo de clasificación que cataloga a las empresas en tres estadios. A continuación les presento cada uno.

Según la conformación de la Data que utilizan:

Basic: Utiliza los datos básicos que son generados en la propia empresa. A los sumo acceden a datos públicos o privados elementales. Son empresas muy celosas de sus datos, pero que ese “cuidado” mal entendido hace que no generen el valor potencial que les puede aportar el Data Analytics.

Advance: Utiliza sus propios datos e incorpora datos externos de calidad. Son empresas que comprenden que la complementariedad de los datos hace a la creación y apropiación de valor en el mercado. Son cuidadosas de sus datos, pero entienden que son un activo que se puede potenciar y apalancar con datos de terceras partes.

Según la utilización de Modelos para entender la Data:

Follower: Utiliza datos propios o incorpora datos externos, pero los modelos analíticos tiene bajo nivel de complejidad, habitualmente basados en modelos econométricos sencillos, tales como regresiones líneas básicas.

Innovator: Son aquellas empresas que utilización la data interna, y la complementan con data externa de calidad, y una vez “amalgamada” esas bases, utilización modelos econométricos para tomar decisiones sobre eficiencia, del estilo “pasa” o “no pasa”, y complementan ese análisis con modelos econométricos más complejos, del estilo “impacto”. Y a su vez, utilización modelado de machine learning para hacer que esos modelos predictivos sean dinámicos y ajustados en tiempo real.

Hoy en América Latina existe un porcentaje alto de empresas BF, es decir que no aprovechan la generación de valor a través de la sinergia de las bases de datos, y que a su vez modelan la data de tal forma que logran como out put un commodit. El problema es que éste será materia prima para la toma de decisiones. Y si eso sucede, será imposible generar ventaja competitiva sustentable en el tiempo basada en la innovación de negocio.

Como mencioné al comienzo, trabajo preguntando en qué estadio se encuentran las empresas, ¿cuál sería su respuesta con respecto a la que usted trabaja?

Diego Vallarino-Especialista en Data & Analytics con foco en Innovación Estratégica y Competitividad de empresas y gobiernos de América Latina. Autor del libro “Innovando desde el Sur” y profesor invitado en diferentes MBA en LatAm