Abrir publicación
Entendiendo el Potencila de mis Datos

Entendiendo el potencial de mis datos

A medida que los productos se vuelven inteligentes y empiezan a generar datos, es mayor el esfuerzo que las compañías hacen para utilizarlos y sacar provecho. Pero es importante identificar cuándo estos datos pueden realmente brindar una ventaja competitiva que permita diferenciarse de la competencia y cuándo no.

Existe la creencia de que recolectando y analizando con herramientas de BI datos de los usuarios o clientes siempre se pueden obtener ventajas competitivas, más allá de las características y calidad de los mismos. Esta idea del ciclo virtuoso de los datos, donde la ingestión de la data mejora la experiencia del cliente, así obteniendo más clientes y más datos, y a su vez productos de mayor calidad, no siempre es factible ni realista, pues la información, difícilmente tenga las características apropiadas.

Una primera arista a evaluar es el valor que esta data le agrega al negocio original. Si tomamos como ejemplo un reloj inteligente que permite detectar cuándo un usuario tiene un infarto o sufre de estrés es esencial tener un porcentaje alto de eficacia, que deriva de tener una gran base de datos con estadísticas de los usuarios y su correspondiente análisis (big data). En cambio, si tomamos la industria fabricante de televisores inteligentes, el valor agregado que implica la personalización de recomendaciones es muy bajo, en parte debido a que ya lo ofrecen servicios de streaming como Netflix o Amazon, y a que el cliente prioriza tamaño, calidad de imagen y durabilidad por sobre el resto de las cosas.  

El valor marginal de la información también juega un rol importante a la hora de obtener una ventaja respecto a la competencia. Si el valor marginal es alto, es decir cada dato adicional agrega un valor significativo, como es el caso de la información recolectada por el reloj inteligente, es muy difícil que la competencia logre traspasar esa barrera competitiva ya que un nuevo fabricante estaría muy lejos de alcanzar la eficacia que años de recolectar información te dan. El caso contrario es el de un termostato inteligente donde solo se necesitan pocas interacciones para comprender las preferencias del usuario.

Otro aspecto importante es la velocidad con la que ese valor se deprecia y vuelve obsoleto, permitiendo igualar las condiciones con los rivales y eliminando cualquier ventaja competitiva que se pudiera obtener. Siguiendo con el caso del reloj, la información recolectada sigue teniendo valor sin importar que el tiempo pase. Cuando se habla de las preferencias de los usuarios, se pierde valor a medida que pasa el tiempo debido a que estas cambian durante la vida de la persona. Aplicado por ejemplo a la información que puede recolectar un desarrollador de juegos casuales para dispositivos móviles, una compañía puede lograr el éxito en dos o tres juegos alimentada por un éxito inicial, pero la misma pierde valor a medida que los usuarios viran hacia otras preferencias.

La dificultad para imitar las mejoras en los productos derivadas de la información del cliente y la velocidad con que esas mejoras se pueden incorporar al producto también son clave. La primera, impone una barrera a la entrada de nuevos competidores. Si por ejemplo tomamos una empresa dedicada el monitoreo de cultivos, las mejoras en la predicción debido a la información recolectada son muy difíciles de copiar para la competencia. La segunda, establece qué tan rápido se crece y se aleja de sus rivales una organización al incorporar mejoras con los “insights” obtenidos. Volviendo al ejemplo del reloj, la capacidad de predicción mejora cada vez que se descargue una actualización ya que se tiene la información del periodo anterior. Lo mismo sucede con Google Maps, la selección de una ruta depende de la información instantánea que le proveen el resto de los usuarios para evitar atascamientos y predecir horas de llegada.

Finalmente, cabe recalcar que la obtención y mejora de productos mediante la recolección de data producida por el cliente es un proceso continuo y de innovación permanente que se ve cada vez más facilitado por los avances en tecnologías de análisis y recolección de data.

En Merovingian, gracias a nuestro equipo multidisciplinario, entendemos las diferentes características e implicancias de la información que cada industria puede adquirir. Esto nos permite asesorar a las empresas para que enfoquen sus esfuerzos donde se refleje el mayor impacto posible teniendo en cuenta los objetivos a los que se quiere llegar. El manejo de los datos que proveen los clientes es un activo extremadamente valioso cuando se lo sabe usar, por lo que recomendamos a todas las compañías que empiezan a incursionar por este camino realizar un assessment inicial para encontrar oportunidades de mejora y nuevos negocios. Esta es la manera ideal de dar los primeros pasos, con datos de utilidad y valor.

Abrir publicación
La importancia de tener una estrategia de datos

La importancia de tener una estrategia de datos

Un desafío clave de las organizaciones es lograr una gestión inteligente de los datos que generan. Esto implica no solo optimizar su capacidad de extraer, almacenar y utilizar esos datos, sino también la forma en la que lo hacen. Estudios muestran que, en promedio, menos de la mitad de los datos estructurados de una organización se usan activamente para tomar decisiones, y menos del 1% de sus datos no estructurados se analizan o se usan. Por otro lado, más del 70% de los empleados tienen acceso a datos que no deberían, y el 80% del tiempo de los analistas se dedica simplemente a descubrir y preparar datos. Es aquí donde la estrategia se torna un factor fundamental para una gestión exitosa.

Las estrategias se pueden clasificar en dos tipos fundamentales: defensiva u ofensiva. Dependiendo de la industria en la que se encuentre y los objetivos de la organización, cada una de ellas cobrará menor o mayor relevancia.

Como sabemos, toda decisión empresarial requiere el uso de recursos finitos, en este caso precisamos personas con las habilidades y aptitudes necesarias para llevar a cabo una estrategia de data y financiación, para mantener la infraestructura requerida. De acuerdo a los objetivos de negocio se priorizará el control y robustez, o la flexibilidad y disponibilidad de la data, es decir una estrategia defensiva u ofensiva respectivamente.

Por lo general, una estrategia más defensiva se recomienda en industrias muy reguladas, con información privada sensible (financiera, salud) donde el objetivo es garantizar la seguridad privacidad, integridad, calidad y gobernanza de la data. En esta priorizamos la optimización de la extracción, estandarización, almacenamiento y acceso a los datos.

Por el contrario, una estrategia ofensiva se adopta en rubros muy competitivos donde el diferencial se obtiene al generar e interpretar los “insights” del mercado o entorno antes que la competencia. Un ejemplo claro es la industria del Retail donde la dinámica del mercado lleva a adoptar un comportamiento predominantemente ofensivo debido a una regulación relativamente más laxa, márgenes de rentabilidad chicos y alta complejidad en la logística y distribución. En este caso, se pone énfasis en la optimización del análisis, el modelado, visualización, transformación y puesta en valor de los datos, mientras que la seguridad y gobierno de los datos pasan a ser un medio para lograrlo y no un objetivo en sí.

Desde Merovingian Data, acompañamos y asesoramos a las organizaciones para definir e implementar una estrategia de data. Teniendo en cuenta las prioridades generales del negocio y madurez de las prácticas de gestión de datos previa, así como, las regulaciones y la situación de los competidores, además del presupuesto disponible, definimos qué porcentaje ofensivo-defensivo se debe adoptar en una determinada organización.

Para ello utilizamos, como arquitecturas de información, tanto una Única Fuente de Verdad (SSOT) como Múltiples Versiones de la Verdad (MVOT). SSOT funciona a nivel de datos, mientras que MVOT apoya la gestión de la información.

 

La SSOT se puede visualizar como los cimientos de toda la arquitectura de datos. Es un repositorio o Data-Warehouse usualmente basado en la nube que contiene la data crucial de una organización. Por ello requiere controles sólidos de gobernanza y procedencia de los datos para garantizar que se pueda confiar en los mismos, y debe usar un lenguaje y formato estándar, transversal para toda la organización.

En cambio, una arquitectura de MVOT es el resultado de la transformación de los datos en información relevante para aplicaciones especifica. Esta usa como fuente a la SSOT y permite la personalización de la data, ayudando a una rápida y eficaz toma de decisiones. Microsoft Power BI es una herramienta que, por ejemplo, permite implementar esta arquitectura mediante transformaciones, customizaciones y aplicación de inteligencia artificial, entre otras, para generar tableros y visuales apropiados acorde a las necesidades de cada área.

Cabe aclarar que la decisión de ir por una estrategia más defensiva u ofensiva no es estática ni definitiva, sino que varía de acuerdo con las necesidades que tiene la organización en un momento dado. Generalmente una empresa comienza enfocada en el aspecto defensivo, generando una base de datos robusta para luego desplegar la totalidad de las capacidades de BI y así aprovechar nuevas oportunidades de mercado

En resumen, ante la creciente disponibilidad de datos dentro de una organización, es fundamental definir la estrategia de gestión de datos, considerando los objetivos de la organización, para lograr alcanzar los máximos estándares de eficiencia y calidad posibles sin desperdiciar valiosos recursos. Implementar un plan coherente teniendo en cuenta todos los factores que influyen, es un paso esencial para convertirse en una organización data-driven que toma decisiones informadas y maximiza las posibilidades de éxito.