Las etapas clave de los proyectos de analítica exitosos
A menudo nos encontramos en situaciones donde debemos determinar si podemos o no ayudar a las empresas que nos contactan para llevar a cabo sus iniciativas de analítica o de inteligencia artificial. Y para conseguirlo nos gusta iniciar con una pregunta sencilla, pero capaz de revelar el nivel de madurez o etapas clave de proyectos de datos de una compañía para enfrentar este tipo de retos:
¿Por qué tu compañía necesita iniciar un proyecto de este tipo?
La respuesta generalmente es un silencio algo incómodo. Y cuando esto sucede, volvemos a preguntar:
¿Por qué estarían dispuestos a invertir en analítica o inteligencia artificial?
Ante lo cual recibimos diversas respuestas, a continuación listamos las más recurrentes:
-“Nuestra competencia ya lo está haciendo y nosotros aún no…”
-“Entendemos que los datos tienen un potencial enorme, queremos aprovecharlos, pero no sabemos cómo”.
-“Mi jefe se fue a realizar unos estudios en el extranjero y cuando regresó nos dijo que debemos hacer Analítica (también aplica para AI) en nuestra empresa. Reúnan al equipo y presentenme un plan”.
-“Ya invertimos en nuestro datacenter para organizar nuestros lagos de datos y estar preparados”.
-“Adquirimos unas licencias de Power BI (Tableou y Qlik, son algunas que también mencionan) para comenzar a generar reportes”.
-“Contratamos a un equipo de científicos de datos que han implementado algunos pilotos, pero sin resultados relevantes”.
-“Quiero un super dashboard dinámico que me permita visualizar todas las métricas clave de la empresa”.
Cada proyecto de datos o de inteligencia artificial sin duda es un universo distinto, independiente de su industria o del tamaño la organización. Es por ello que queremos compartirles nuestra estrategia, que llamamos: “El esquema del reloj de arena”. La desarrollamos para incrementar las posibilidades de éxito en este tipo de proyectos y que las organizaciones obtengan el máximo retorno esperado. En la figura a continuación puedes entender por qué el nombre.
Figura 1. El equema del reloj de arena.
Con la figura anterior queremos resaltar la importancia, el esfuerzo y el momento de contribución tanto del equpio directivo y estratégico como del equipo espcializado en analítica y de operaciones. Cuando una compañía desea arrancar con este tipo de proyectos, el mayor esfuerzo inicial se debe dar a nivel directivo, luego es clave trabajar en conjunto con lás demás areas y expertos en analítica para seleccionar los casos de uso de mayor impacto; y finalmente, tornar esos casos de uso en proyectos para desarrollarlos e itererlos hasta conseguir los resultados deseados. Una vez el ciclo se cumple, se gira el reloj de arena y vuelve a comenzar: Decisiones estratégicas, seleccion de casos de uso y desarrollo. Miremos en detalle las tres etapas clave de proyectos de analítica del esquema del reloj de arena:
Alineación directiva y estratégica de una empresa basada en datos
El primer paso es asegurarse que el equipo directivo tenga una visión clara de cómo apalancar el crecimiento de su empresa a partir de sus datos y que esto lleve al establecimiento de una estrategia que articule a todas las áreas clave de la organización. Esto evitará que la empresa ejecute programas piloto de analítica o AI que no se adopten, ni se lleven a gran escala; evitará la lucha por definir problemas valiosos para resolver; y evitará inversiones innecesarias que vayan en contravía de desarrollar las capacidades adecuadas.
Selección de casos de uso de analítica de alto impacto para la organización
El segundo paso es seleccionar los casos de uso de mayor impacto en el negocio. Un caso de uso en analítica es un término que se utiliza para indicar el escenario sobre el cual es viable aplicar analítica en un negocio y cobra gran relevancia para convertir a las empresas en organizaciones impulsadas por sus datos. Generalmente las empresas primero obtienen los datos y luego buscan aplicar alguna forma de analítica y esto a menudo resulta mucho más costoso y decepcionante. A continuación, te damos los siguientes tips para evitarlo:
– En primer lugar identifica todos los posibles casos de uso en tu empresa, es decir, esos escenarios, situaciones, o cuellos de botella que generan malas experiencias a los colaboradores o a los usuarios finales, puntos o etapas clave de proyectos de datos o ia que consideres deben tener un cambio radical. Otra forma de hacerlo es analizar toda la cadena de valor de la empresa, desde el proveedor hasta la posventa, e identificar todos los casos de uso candidatos.
-Luego, debes tener claro el resultado deseado sobre la situación que quieres mejorar. Con todas las áreas clave involucradas define esos indicadores clave del negocio que estén directamente relacionados al resultado que deseas obtener.
-Finalmente, selecciona esos tres a cinco casos de uso principales, de impacto y viables que crean el mayor valor lo más rápido posible, idealmente durante el primer año. Para seleccionarlos debes analizar su impacto versus su viabilidad. El impacto se mide a través del retorno a la inversión, ya sea en términos de ahorros, incremento de utilidades o generación de nuevos ingresos. Y la viabilidad se determina si los datos necesarios son accesibles, de calidad, oportunos, y si generan cambios significativos en el personal, en la experiencia de usuario, en la infraestructura o en los procesos a intervenir.
Desarrollo e iteración del proyecto de datos
Tercero, crear un prototipo de una solución e iterar hasta alcanzar las métricas clave establecidas. Pero antes es necesario dimensionar el alcance de ese prototipo que será el proyecto de datos o de AI que cambiará el curso de tu compañía, hacia convertirla en una organización impulsada por sus datos.
Imagina el siguiente escenario: Entre ese top 5 de casos de uso se encuentra una idea brillante para un nuevo proyecto de datos o de IA. Pero, para que esto suceda se debe convencer a las partes interesadas y a la gerencia o dirección general de financiarlo. La pregunta que hace mucho tiempo nos hicimos en este punto fue: ¿Cómo estructurar y presentar un proyecto de datos o de AI que sea lo suficientemente sólido para ser financiado por la organización y que además evidencie el retorno a la
inversión? La respuesta nos llevó a diseñar lo que hoy llamamos: “La anatomía de un proyecto de datos”, conformada irónicamente por más preguntas:
¿Cuál es el valor que agrega el proyecto de datos al negocio?
-¿Qué datos necesitamos?
-¿Qué habilidades requerimos para tratarlos?
-¿Cuáles son los resultados o métricas que esperamos?
-¿Qué integraciones se requieren tanto con la infraestructura propia como con la de terceros?
-¿Cuáles son los clientes o usuarios principales de la iniciativa?
-¿Qué costos conlleva implementarlo?
-Y ¿qué ingresos finalmene se pueden generar que beneficie al negocio?
Después de esto, qué opinas ¿Está lista tu empresa para disparar su crecimiento con datos?
El crecimiento de las empresas que analizan sus datos es cada vez mayor en relación con aquellas que no lo hacen. Y en la medida que estas empresas continúan perfeccionando sus procesos de analítica, mayor será la brecha con aquellas que están rezagadas. Por ello, los líderes empresariales que actúen bajo este esquema mejorarán drásticamente sus posibilidades de crecimiento.
Leave A Comment