fantasmaDía a día, en cada hora tenemos que tomar una decisión que afecta al aprovechamiento de nuestro tiempo, nuestro dinero, nuestra atención, nuestro negocio, etc. La experiencia, el instinto o las reacciones químicas que se producen en nuestro cerebro influyen en esa decisión que, a fin de cuentas, se traduce en una apuesta.

Queremos que nuestra decisión se convierta en una partida de éxito, pero ¿cuál es el caballo ganador? Si sé que Pegasus ha ganado la carrera anterior, seguramente me incline a apostar por Pegasus. Pero si descubro que, en las diez últimas carreras, acabó en última posición, tal vez debería de ser más reservado.

Necesito investigar un poco más sobre cómo se comportan los caballos para identificar un patrón, por ejemplo, aquellos que hayan ganado las cuatro últimas carreras o aquellos que ganan siempre que hay un día de lluvia, etc. Necesito construir una regla que me dé un poco de ventaja sobre la opción de elegir cualquier caballo al azar.

Si defines bien en qué consiste tu apuesta, ve a construir un buen modelo que te diga cuanto apostar. Disponer de estos modelos en nuestro negocio, no es una opción

El 82% de los directivos son conscientes de la relevancia de los datos, la analítica y la Inteligencia Artificial para los negocios, sus inversiones para asegurar sus apuestas, están aumentando en este sentido.

Sin embargo, y aunque actualmente existen múltiples herramientas que ayudan a la construcción de modelos (algunas más intuitivas y rígidas, otras más especializadas pero flexibles), existe una gran fricción a la implantación de una cultura analítica en las empresas.

Misión: implantar una cultura analítica

Por ejemplo, el 50% de los directivos consultados en el estudio Forrester 2018 (Experian) confesó no ser capaz de utilizar los datos en la automatización de procesos de toma de decisiones, por lo que el 71% considera que mejorará las capacidades analíticas dentro de sus compañías.

Una plataforma analítica debería contener y facilitar datos útiles (o Smart-data), permitir el desarrollo de modelos, contar con herramientas para simular, visualizar y analizar diferentes escenarios y también, gestionar y administrar los modelos para estudiar sus resultados y entrar en un círculo vicioso de mejora continua.

Cuando disfrutas de todas estas capacidades, instintivamente la tendencia se convierte en proyectar una situación ideal en la que la mayor parte del mecanismo de un negocio esté guiado de forma autónoma, para así conseguir los mejores resultados de forma sistemática y regular, con menos incidencias. De esta forma se obtiene más control sobre el negocio y, por lo tanto, garantizar el éxito de nuevos y retadores objetivos.

Resultados espectaculares

Los resultados que se han observado cuando se han aplicado modelos que den soporte a la decisión de determinados procesos (en admisiones, en ventas, en recobros, etc.…) han sido espectaculares: por ejemplo 66% de descenso en la adquisición de clientes morosos o incluso un 99% de eficiencia operacional al pasar a procesos automatizados con modelos de scoring.

Tal escenario es posible mediante la industrialización de la modelización y trasladando los esfuerzos a nutrir de datos útiles cientos de modelos. Aunque alcanzar este nivel no es sencillo, los servicios de analítica bajo demanda facilitan en gran medida la elaboración de esta estrategia y posteriormente, ejecutarla.

En los últimos años, muchas compañías han invertido seriamente en tecnología Big-Data. Con todo lo que se nos decía desde la costa oeste de Estados Unidos, no podía haber otra vía. Eso significaba que había que contratar a expertos que supieran como trabajar con estas herramientas. Y aunque en algunos casos consiguieron implantar los nuevos sistemas, se empezó a comprender que realmente no se sabía cómo sacar partido a tanto dato. Con tener sólo las herramientas, no era suficiente.

Entonces surgió la necesidad de gente que además de manejar esas herramientas, supiera también de matemáticas, del negocio, que supiera analizar y comunicar bien los hallazgos encontrados en los datos. Gente con capacidad y que conozca las metodologías para manejar ágilmente las herramientas analíticas, desarrollar los modelos más eficientes y saber dónde y cómo aplicarlos. Me refiero a los científicos de datos.

No solo la herramienta

Una plataforma analítica por sí sola no diseña la estrategia de industrialización y la pone en funcionamiento, pero su diseño está pensado para disponer del espacio ideal donde se ejecute este servicio de analítica y alcanzar el nivel de sistematización deseado.

Al fin y al cabo, hay que tener en cuenta que el factor humano en determinadas ocasiones puede suponer un riesgo asumible, frente al aporte creativo de una persona motivada.

El servicio de analítica avanzada bajo demanda ofrece la integración de la tecnología necesaria para disponer de los datos en una plataforma y a las personas adecuadas que sepan cómo sacar todo su valor y orientar a la compañía en el camino a la modelización integral, para aplicar la analítica no sólo en determinados procesos, sino holísticamente y a medida del negocio.

Sería deseable que, a la manera de Dickens en su Cuento de Navidad, se contara con los compañeros fantasmas que nos permitieran ver el pasado, el presente y el futuro

La idea es tener un servicio que me permita conseguir que los fantasmas de Dickens no sólo se aparezcan en sueños, sino que estén al servicio del negocio. Todavía queda un largo recorrido para que se generalicen de forma estándar.

Seguramente se consiga automatizar, en gran medida, la generación de datos útiles, su tratamiento, el desarrollo de nuevos modelos para obtener la información relevante… En este caso, el punto de partida de las distintas compañías a hombros de los fantasmas de Dickens y a un menor coste que el actual, por lo que analizar la estrategia a seguir se volverá más compleja y por lo tanto, habrá que buscar nuevas formas de alcanzar la información que me permita estar en una posición favorable respecto al resto de participantes.