IDEAS

Hacia una compañía orientada a datos

Tomás Cruz Barrios. Endesa y EOI

Según un estudio de Mckinsey Institute las inversiones en Big Data y capacidades analíticas retornan entre 1,4 y 2 veces la inversión inicial realizada.

Actualmente existen 4 factores que, en su conjunto, presentan una gran oportunidad de negocio para las compañías que quieran orientarse a datos:

  • Gran disponibilidad de datos: como escribe R. Jacobson de IBM “El 90% de los datos en el mundo de hoy se han creado en los últimos dos años. Esta información proviene de todas partes: sensores, publicaciones en sitios de redes sociales, imágenes y videos digitales, transacciones de compra y señales de GPS de teléfonos móviles, por nombrar algunos. Esta información es Big Data”.
  • Fuerte reducción del coste del hardware: El coste ha decaído, de 14,30$GB en el año 2000 [3] a 0,028$ en el año 2017 (mkomo.com). Es decir, una reducción del ¡¡99,80%!!
  • Nuevo hardware específico de alto rendimiento: Las GPUs son un tipo de procesadores que podemos encontrar en las consolas de videojuegos de nuestros hijos. Estos procesadores permiten realizar tareas de computación a mucha mayor escala.
  • Nuevos avances en algorítmica: Los modelos de aprendizaje profundo (Deep Learning) han permitido avanzar en la solución de problemas como la clasificación de imágenes para la identificación de objetos, caras, estados de ánimo, etc., o modelos de procesamiento de lenguaje natural que son aprovechados por agentes virtuales o bots que nos atienden al contratar o solicitar un servicio o identificar qué dicen de nuestra compañía en las redes sociales.

¿Qué tiene que hacer mi compañía para ser una compañía orientada a datos? Aunque cada compañía puede seguir su propio camino, varios son los aspectos a tener en cuenta:

  • Estrategia: es importante que desde la dirección se defina desde el principio la estrategia que convierta nuestra compañía en una compañía orientada a los datos. Igualmente, es importante que se patrocine desde dicha dirección esta nueva cultura.
  • Foco en casos de uso: probablemente este sea uno de los factores de éxito más importante a desarrollar, todo el proceso analítico de los datos deberá girar alrededor de estos casos de uso. En el caso de uso definimos: el problema a resolver, beneficio económico y los indicadores de seguimiento. Adicionalmente hay que realizar un inventario de casos de uso a desarrollar y una priorización de los mismos que nos permitan definir nuestra ruta analítica basada en datos.
  • Datos: los datos han sido considerados la materia prima del siglo XXI, debemos por tanto implementar una política de calidad y gobierno del dato que priorice la captura de aquellos datos que nuestros casos de uso hayan considerado más relevantes.
  • Equipo: junto a los casos de uso, es el otro elemento clave a tener en cuenta. Necesitaremos crear un mix de talento donde los más conocidos son los científicos de datos (Data Scientist) que desarrollan los algoritmos de Machine Learning que permiten extraer conocimiento de los datos. También es importante contar con otros roles: ingenieros de datos, traductores de negocio, visualizadores de datos, etc. que completen dicho mix. Estos tipos de perfiles, en especial los científicos de datos, suelen ser escasos y suelen optar a salarios por encima de la media, por lo que una política de retención y atracción de talento suele ser de suma importancia.

Seguro que el lector echa de menos en la lista anterior un apartado de herramientas, sinceramente no me parece un factor tan determinante. Actualmente las herramientas más potentes como R, Python, Hadoop, Spark, etc., son gratuitas y con abundante documentación. Me suelo encontrar directivos que quieren orientar su empresa a las decisiones basadas en datos que me cuestionan con insistencia sobre qué herramientas tienen que comprar y obvian temas como qué casos de uso deberían priorizar o qué tipo de talento deberían incorporar.

 

Tomás Cruz Barrios

Responsable de Inteligencia de Clientes y Proyectos en Endesa

Profesor del Programa Ejecutivo en Big Data & Business Analytics de EOI- Escuela de Organización Industrial

 

Artículo incluido en el número de febrero de la revista Agenda de la Empresa