Factores clave del éxito en toda estrategia de análisis de datos

Una estructura como la estrategia y el modelo operativo de análisis de datos (DASOM, por sus siglas en inglés) de Gartner ayuda a los responsables de análisis de datos a crear una estrategia que permitirá a la organización construir una cultura basada en datos y, en última instancia, impulsar los resultados comerciales a partir de los activos de datos.

La estrategia define el qué y el porqué del programa de análisis de datos de la organización. Es el enfoque general para hacer realidad la visión empresarial definida para asegurar el éxito. Los componentes fundamentales que articular en toda estrategia son:

• Una visión basada en datos

• Los impulsores de la estrategia de análisis de datos

• Los resultados esperados del programa

Desarrolla la visión, los impulsores y los resultados de la estrategia de análisis de datos en paralelo y no secuencialmente, ya que cada elemento informa a los otros dos.

Las estrategias más eficaces giran en torno a un conjunto de conversaciones entre las partes interesadas, destinadas a definir una dirección común y unos objetivos compartidos entre la estrategia empresarial y la estrategia de análisis de datos. Evita el error de concebir una estrategia de análisis de datos desde un pequeño equipo aislado para después “venderla” al resto de la empresa. Utiliza la estructura DASOM como esquema que te ayude a guiar las conversaciones para integrar el análisis de datos en la estrategia empresarial.

Una visión de la estrategia de análisis de datos sirve para explicar brevemente qué significa ser una empresa basada en datos y qué logrará la organización con ello. La visión debería centrarse en el valor para el cliente que se espera obtener con el programa. 

Articular una visión en términos de valor comercial ayuda a posicionar el programa de análisis de datos como un área funcional de la empresa y a sus responsables como profesionales empresariales. Esto ayuda a la transición de los esfuerzos de análisis de datos: de ser un mero apoyo en las decisiones a acercarse a la toma de decisiones. Es algo fundamental ante las crecientes expectativas de que el análisis de datos facilite la transformación digital y las aplicaciones ágiles a través de las plataformas digitales comerciales.

A modo de advertencia: Las declaraciones de visión han acarreado mala fama para algunas organizaciones. Esto suele ocurrir cuando consisten en frases vacías sobre gestión que no aportan nada a la realidad de la empresa. Lo que no significa que no debas molestarte en escribir una. Al contrario: una visión eficaz ofrece al equipo de análisis de datos y a toda la organización un propósito compartido, y ayuda a evitar la pérdida del rumbo estratégico y a atraer talento. De todas formas, una visión de análisis de datos que sirva para estos fines debe contener ciertos detalles y, al mismo tiempo, cumplir algunos requisitos clave.

Una visión de análisis de datos convincente debe abordar qué significa ser una empresa basada en datos desde tres perspectivas distintas:

• Visión y liderazgo. ¿Qué función desempeña el análisis de datos en la organización? ¿De qué forma contribuye a los principales objetivos estratégicos de la empresa?

• Transformación del negocio. ¿Qué oportunidades ofrece para un nuevo modelo de negocio?

• Cultura y cambio. ¿Qué función desempeña el análisis de datos en la transformación digital? ¿Qué características tendrán la cultura y el cambio basados en datos, especialmente en términos de alfabetización en datos?

Una buena estrategia de datos será específica de la empresa, pero se inspirará en los impulsores y las tendencias que afectan a tu organización. Entre ellos:

• Impulsores externos de tipo social, empresarial y sectorial.¿Qué está sucediendo en tu sector o en los sectores con los que te relacionas? ¿Qué función desempeña el análisis de datos en la adaptación a estas tendencias?

• Impulsores organizativos internos. ¿Qué cambios se están produciendo dentro de tu organización? ¿Se observa, por ejemplo, una tendencia hacia la centralización o la descentralización? ¿Hacia un estilo de gobernanza basado más en reglas o en principios? ¿Hacia el trabajo ágil?

• Impulsores tecnológicos. ¿Qué nuevas tecnologías están transformando tu sector o tu organización? Se trata, por ejemplo, de los avances introducidos en materia de inteligencia artificial (IA) o con el surgimiento del tejido de datos.

En una organización concreta probablemente habrá varios impulsores que influirán en la estrategia de análisis de datos. La importancia de cada uno de ellos en tu estrategia dependerá de una serie de factores.

Asegúrate de que tu estrategia de análisis de datos aclare “¿qué me aportará?” a cada una de las partes interesadas respondiendo a cuatro preguntas:

1. ¿Quiénes son las partes interesadas? Haz una lista de todas las partes interesadas, tanto internas como externas.

2. ¿Qué resultados comerciales requiere cada una de las partes interesadas? Expresa la respuesta en términos de crecimiento de ingresos, ahorro de costes, gestión del riesgo, valor para el cliente, etc.

3. ¿Cómo ayudará la estrategia de análisis de datos a alcanzar estos objetivos? Especifica casos de uso, iniciativas y productos de análisis de datos concretos que mejorarán un proceso o una actividad para la parte interesada.

4. ¿Qué indicadores clave de rendimiento (KPI) demostrarán el éxito de tu estrategia? Mide los resultados comerciales que esperas generar. Define indicadores de progreso, como “porcentaje de personal formado en alfabetización de datos”, e indicadores de resultados, como “contribución del 5 % al crecimiento de ingresos”.

Mediante este proceso, la estrategia de análisis de datos empezará a convertirse en una propuesta clara que dará forma al valor que el análisis de datos aportará a la organización. Las propuestas de valor se engloban en tres categorías:

El análisis de datos como utilidad

Esta propuesta de valor del análisis de datos lo posiciona como una capacidad genérica al alcance de todas las partes interesadas, para todos los requisitos y en todo momento. El resultado principal es una plataforma activa en todo momento. Los indicadores de éxito en el caso de los datos como utilidad son en forma de acuerdo para asegurar un nivel de servicio, como en los casos siguientes:

• ¿Qué disponibilidad tiene la plataforma?

• ¿Se puede acceder de forma rápida y sencilla a los datos para distintas finalidades?

• ¿Cuánto tiempo se necesita para añadir una nueva fuente de datos o una API de acceso de datos?

El análisis de datos como capacitador

Esta propuesta de valor se centra en un objetivo comercial específico. Los principales resultados son soluciones específicas, adaptadas para cada fin propuesto. Los indicadores de éxito en el caso de los datos como capacitador tienen que ver con los indicadores clave de rendimiento (KPI) de la empresa, por ejemplo:

• ¿En qué grado mejoró la tasa de conversión después de aplicar una nueva herramienta de análisis en la gestión de campañas de marketing?

• ¿Cuánto dinero ahorramos gracias al mantenimiento del activo predictivo mediante la analítica del internet de las cosas (IoT)?

• ¿Cuánto dinero ahorramos gracias a la mejora de los algoritmos de detección de fraudes?

• Una estrategia de análisis de datos es buena solo en la medida en que lo sea su ejecución. Solo después de conocer claramente el “porqué” y el “qué” deberías empezar a considerar el “cómo” ejecutar la estrategia de análisis de datos mediante un modelo operativo apropiado.

• Las capacidades actúan como un eje que conecta la estrategia con el modelo operativo. Por ello, las organizaciones deberían completar el proceso de desarrollo de la estrategia evaluando las capacidades existentes en el presente y las que necesitan desarrollar en el futuro. Puedes llevar a cabo una autoevaluación utilizando el IT Score de Gartner para el análisis de datos y determinar así si dispones de capacidades que permitan gestionar la operación de datos o desarrollar el talento de análisis de datos.

Las evaluaciones de las capacidades revelan las carencias clave que la organización necesitará cubrir. Las habilidades de alfabetización de datos suelen ser una de ellas. En una encuesta de Gartner de 2022, los directores de análisis de datos (CDAO) citaron la falta de alfabetización de datos como el principal obstáculo para el éxito de sus organizaciones, un área clave de inversión para generar clientes basados en datos con un grupo de empleados conocedores que aprovechen los activos de datos y hagan aumentar la rentabilidad general. Las evaluaciones de capacidades también pueden servir como información clave para los directores de datos a la hora de identificar el puesto de científico de datos y otros puestos necesarios en sus equipos.