Convertir las organizaciones en “Data Driven», que impulsan modelos que les permiten monetizar el amplio valor de los datos, representa uno de los grandes desafíos para las empresas mexicanas que al adoptar este tipo de tecnologías no sólo tendrán acceso a más oportunidades de negocio y a mejorar su operación, sino también a adaptarse ágilmente a un entorno volátil y cada vez más disruptivo.
“El desarrollo ágil de innovaciones y la gestión de datos resultaron las prácticas con la mayor adopción, pero aún éstas, son poco adoptadas en casi 60 por ciento de las grandes organizaciones más grandes de México”, destacó en su más reciente análisis Ricardo Zermeño, director General de la consultora Select.
En opinión del experto, monetizar los datos no sólo implica vender datos, sino aprovecharlos para crear valor para las empresas, a través de tres vertientes: “mejorar el trabajo con datos; revestir productos con datos o vender información como producto”.
Al digitalizar transacciones y procesos de negocio, se generan datos, los cuales, al ser analizados contribuyen a generar valor para las empresas: aumentando ingresos al personalizar la atención a clientes; agilizando y haciendo eficientes sus procesos y mitigando riesgos y robusteciendo la resiliencia de sus operaciones.
La explosión del uso de la analítica y la inteligencia artificial ha mostrado que se trata de herramientas, que por sí solas no resultan tan útiles, pues se requiere adoptar prácticas organizacionales para aprovecharlas, así como integrar una plataforma que suministre o ingeste datos de manera continua y escalable y que descansen en una nube híbrida.
También es necesario enlazar todos los sistemas y canales de atención al cliente, así como los colaboradores y asociados para obtener una visión 360° del negocio; además de gestionar procesos que aseguren la calidad de los datos para tener «una sola fuente de la verdad» (gobernabilidad de los datos).
Sobra hablar de la importancia que tiene la presencia de ingenieros y científicos de datos que colaboren en la generación de algoritmos de análisis y aprendizaje automático y su utilización en el entorno de la producción mejor conocido como «machine learning operations».
Mucho se ha mencionado también que la analítica y la inteligencia artificial además de “entusiasmo también genera preocupación”, por lo que se requieren prácticas que aseguren el uso ético de los datos y el cumplimiento de las regulaciones vigentes.
“Todo esto debe darse al interior de una organización abierta, menos jerárquica y más plana, que motive con un propósito común y delegue la toma de decisiones y la posibilidad de innovar, de equivocarse y aprender; una organización que colabore al interior y al exterior, aliándose con otras organizaciones que generan sinergia (prácticas ausentes en más del 80 por ciento de las organizaciones)”.
C$T-EVP
