Por Nicolás Casarino *
Las organizaciones van reconociendo progresivamente el valor de los datos como un activo estratégico. El advenimiento de los smartphones, las redes sociales, inteligencia artificial y los dispositivos interconectados (“Internet de las Cosas”), dieron como resultado una explosión de datos que continúa creciendo en forma exponencial.
Algunas compañías vienen recorriendo un camino de maduración de competencias analíticas donde ya comprobaron cuan valiosos son los análisis avanzados de datos. Otras, más rezagadas, proyectan cierta inquietud ante la posibilidad de ir perdiendo ventajas competitivas por no aprovechar la información que ya tienen disponibles. El desafío es cómo implementar una estrategia de “data analytics” que agregue valor al negocio.
Los datos pueden contribuir de diversas formas, según la industria y las ventajas competitivas de cada compañía.
En marketing, el análisis de datos se utiliza para definir, por ejemplo, campañas de publicidad en medios digitales, adaptaciones al diseño de sitios web según preferencias del usuario, objetivos individualizados de promociones comerciales, estrategias de precio, etcétera. Las técnicas empleadas con esos fines son las que se suelen agrupar bajo el concepto de “customer-centric analytics”.
Las áreas operativas lo utilizan (supply-chain analytics) para conocer niveles óptimos de inventario físico, definir locaciones para depósitos y centros de distribución y optimizar rutas de distribución de productos.
En la gestión de recursos humanos (people analytics) las técnicas avanzadas de datos también encontraron su aplicación y ayudan a predecir qué empleados posiblemente renuncien a la compañía, a quienes conviene contratar, cuánto compensar a cada empleado, entre otros aspectos.
Los ejemplos abundan para las diferentes áreas funcionales y las distintas industrias.
En la financiera, mejora los algoritmos de scoring de clientes para decidir el otorgamiento de créditos.
En las compañías de retail on-line se pronostica qué productos es probable que un consumidor adquiera en base a sus compras anteriores y a las visualizaciones en el sitio web.
Los hospitales predicen el tiempo en que un individuo probablemente ocupe una cama de internación o la probabilidad de ausencia sin preaviso a un turno médico en la clínica.
En las líneas aéreas, las necesidades de mantenimiento de flota.
Las compañías de alquileres de vehículos estiman en tiempo real el nivel óptimo de automóviles disponibles en cada locación y el precio a ser ofrecido cuando la disponibilidad está cerca de agotarse.
Podríamos extendernos con los ejemplos, pero lo importante es entender que, en cualquier caso, dar el próximo paso en el camino de desarrollo de capacidades analíticas, aporta valor a la organización. La instalación de un tablero de control con visualizaciones interactivas que resuman los indicadores clave del negocio, puede significar un avance importante para una empresa que tenga una cantidad de datos transaccionales y no esté generando reportes automatizados que faciliten la toma de decisiones. El mero ordenamiento de las bases de datos, con un control sobre la calidad de la información disponible, puede resultar beneficioso para quienes deben tomar decisiones.
Las compañías que quieran usar “data analytics” para potenciar su negocio, deben hacer un diagnóstico de sus aptitudes actuales y elaborar un plan de desarrollo de capacidades analíticas. No hacer nada, es un riesgo cada vez más palpable.
Gerente Senior de Auditoría de PwC Argentina y coordinador y profesor de la Diplomatura en Data Analytics de Ucema. Las opiniones expresadas son personales y no necesariamente representan la opinión de la Ucema.
