Lograr implementar tecnologías innovadoras como Inteligencia Artificial (IA), Business Intelligence (BI) o Data Science (DS) es un objetivo cada vez más frecuente entre las mesas ejecutivas de las organizaciones. Hoy, el acceso a métodos de análisis y procesamiento de datos de vanguardia cuyo uso, hasta hace pocos años estaba relegado a empresas líderes, resulta económico y viable para un amplio espectro de actores. La disminución de los costos, el aumento de la capacidad de cómputo y la mayor cantidad de datos disponibles fueron los ingredientes principales que permitieron este cambio de paradigma.
Algunos líderes ya saben cómo implementar estas tecnologías, y otros aún no definen dónde pueden aplicarlas para generar impacto en sus organizaciones. Lo que sí es común a todos, es que cada uno ha escuchado hablar de las bondades de estas disciplinas.
Luego de implementar soluciones de IA, BI y DS, un rasgo común que se observa en las organizaciones es la sensación de no haber logrado el impacto buscado. Soluciones con las que se estimaba generar un cambio a lo largo de la organización, terminan produciendo beneficios acotados a ciertas áreas y departamentos específicos ¿Por qué ocurre este fenómeno? ¿Qué se puede hacer para que todos los integrantes de una organización se beneficien del uso de estas tecnologías?
Una de las principales tareas a efectuar, consiste en estimular un cambio en la cultura y en las prácticas de la empresa para lograr sacar el mayor potencial de estas iniciativas:
En la esfera gerencial, los lideres que buscan aplicar estas soluciones deben tener, en primer lugar, un claro entendimiento de qué puede lograr (y qué no) cada tecnología. Saber cuáles son las limitaciones y el rango de acción de las mismas, les permitirán crear un puente entre las iniciativas de negocio y las soluciones técnicas que las atenderán, además de permitir descubrir oportunidades de nuevas implementaciones que no fueron analizadas previamente gracias a un mejor conocimiento de los beneficios que nos ofrecen. Tener claridad de los beneficios y aplicaciones de estas soluciones es siempre el primer paso.
En segundo lugar, los líderes tienen un rol fundamental para pasar de una toma de decisiones intuitiva a una toma de decisiones Data-Driven modelando conductas. Como hemos mencionado anteriormente, en muchos casos, las decisiones en una organización se toman en base a la experiencia y juicios personales, y no tanto en los datos y hechos. Esto no significa que la intuición carece de valor, por el contrario, son esas decisiones tomadas por individuos las que muchas veces logran corregir cursos de impacto y encontrar nuevas oportunidades. Los datos no deben reemplazar a la intuición, sino complementarla, haciendo que el tomador de decisiones tenga mas información disponible a la hora de ejecutar, disminuyendo los riesgos y llegando a mejores resultados. Es importante que los líderes modelen este comportamiento, incorporando datos en todas sus decisiones y pidiendo resultados basados en datos e información en sus reportes.
Paralelamente, debe hacerse un esfuerzo para que estas herramientas estén al alcance no solo de los lideres jerárquicos de una organización, sino también de los managers y tomadores de decisiones en todos los niveles. Esto permitirá democratizar el acceso a información de calidad y aumentará la confianza por la adopción de estas herramientas a lo largo de la institución.
En cuarto lugar, pasar de trabajar en silos a un modelo colaborativo e interdisciplinario. Es sabido que la presencia de distintos backgrounds es un factor determinante para lograr formar equipos de alto rendimiento. Cuando los equipos de trabajo que llevan adelante iniciativas de BI, AI y DS están conformados por personas de distintas ramas, se logra atender iniciativas de negocio que escuchan las necesidades de las distintas aristas de una organización, y no solo a un segmento localizado. Esto aumenta las posibilidades de una adopción efectiva de las soluciones, producto a que los distintos departamentos se ven atendidos con estas iniciativas, acompañado por una mayor aceptación del cambio.
Por último, se recomienda pasar de una metodología de trabajo lineal a una ágil e iterativa. En la mayoría de las ocasiones, los lideres buscan que los equipos entreguen soluciones robustas y confiables al momento del delivery. En este enfoque rígido, se suele adoptar una metodología de trabajo en cascada en donde una vez definidos los objetivos, se ejecutan las etapas de forma secuencial, y puede desembocar en desventajas como son presupuestos y cronogramas fuera de los planeados.
Con las metodologías agiles, actualmente afianzadas en la industria, se busca cambiar el enfoque hacia uno mas repetitivo, donde se asume que en las primeras iteraciones probablemente no se logre alcanzar todas las funcionalidades deseadas, pero nos permitirá acelerar el desarrollo, encontrar errores de forma temprana, y desarrollar productos mínimos viables en semanas en lugar de meses. Esto nos permite obtener resultados en el corto plazo, paso clave para motivar la adopción de un cambio de metodología
Implementar estos cambios en las practicas y en la cultura de una organización no es sencillo, y requiere de un gran esfuerzo por parte de los lideres que busquen generar un impacto a largo plazo en una institución y un diferencial frente a un ambiente cada día mas competitivo.
Desde Merovingian Data, buscamos ayudar a las organizaciones a implementar, y aun mas importante, afianzar ese cambio, para permitir que puedan descubrir el potencial oculto que tienen y explotarlo a través del poder de los datos.