Fuente: Harvard Business Review
Autores: Randy Bean, NewVantage Partners & Ash Gupta, Senior Executive at American Express
La capacidad de implementar datos como activo empresarial competitivo es lo que ha distinguido a un conjunto de empresas bien establecidas y ricas en datos que han reinado como líderes del mercado en el transcurso de las últimas décadas. Sin embargo, las condiciones empresariales evolucionan y, hoy, estas empresas se enfrentan a un nuevo conjunto de desafíos que amenazan sus posiciones de liderazgo ganadas con mucho tiempo. ¿Cómo transforman estos líderes de datos bien establecidos de la excelencia en datos y análisis tradicionales, del tipo que han implementado en las últimas décadas, al liderazgo en una nueva era de toma de decisiones impulsadas por Big Data, IA y aprendizaje automático? ¿Qué deben hacer las empresas que han destacado en disciplinas como marketing de bases de datos, CRM, marketing personalizado y análisis avanzados para seguir estando al tanto?
Los datos y la tecnología están impulsando el cambio empresarial. A medida que aumentan los volúmenes de datos y la potencia informática, y a medida que aumentan las nuevas capacidades de IA, aprendizaje automático y big data, los líderes establecidos deben adaptarse y crecer. Cuando el CEO de JP Morgan Recientemente se le preguntó a Jamie Dimon. sobre si había mucho que temer de la amenaza potencial de un «Bank of Amazon», «Google Bank», o entrantes más nuevos como PayPal, Square, Stripe y Ant Financial, su respuesta fue: «Absolutamente, deberíamos estar asustados», y agregó: «Espero ver una competencia muy, muy dura y brutal en los próximos 10 años». El sector de los seguros es comenzando a hacer la transición desde datos y análisis tradicionales hasta aprendizaje automático, IA y análisis basados en big data, pero también se enfrenta a la nueva competencia. A diferencia de las compañías de seguros tradicionales, que han sido ricas en datos pero que habitualmente se han basado en enfoques actuariales, los competidores de startups como Limonada y Traffk utilizan análisis de aprendizaje automático y se basan en miles de elementos de datos para proporcionar análisis personalizados e impulsar las compras de seguros.
Como coautores de este artículo y como ejecutivos de la industria, el uso de datos para impulsar una mejor toma de decisiones y un servicio al cliente más personalizado ha sido durante mucho tiempo nuestro enfoque durante décadas de nuestras respectivas carreras comerciales: Randy Bean como asesor de grandes empresas y cronista de la industria, y Ash Gupta como ex presidente de Gestión Global del Riesgo Crediticio y la Información durante un 41 años de carrera en American Express. Nuestra opinión es que, para mantener sus posiciones de liderazgo, las empresas tradicionalmente ricas en datos deben adaptar sus procesos de datos y análisis para incorporar las últimas técnicas, o correr el riesgo de quedarse atrás en aquellas empresas que adoptan Big Data, IA y machine learning.
Los líderes deben considerar estas cinco tácticas de alto valor:
1. Conozca su negocio y dé prioridad a qué datos son más importantes para su empresa.
Uno de los mayores activos que mantiene cualquier empresa es su conjunto exclusivo de datos de clientes: interacciones con los clientes, transacciones e historial de comportamiento. Tanto si se trata de información sobre el comportamiento, los hábitos o las transacciones de su cliente, u otra información, es esencial comprender qué perspectivas únicas le proporcionan sus datos concretos. Sabiendo eso y cómo combinarlo con fuentes de datos externas, le permite crear y mantener un activo empresarial único y competitivo para su organización.
Las empresas de gran éxito distinguen entre la calidad y la cantidad de datos que mantienen. Una interacción típica con los clientes en línea produce más datos de los que se capturan durante toda una vida de interacciones con los clientes sin conexión. Una institución de servicios financieros capturó 50.000 elementos de datos, de los cuales 48.000 nunca se utilizaron. Con demasiada frecuencia, las empresas descartan datos porque no tienen valor en una interacción, pero estos mismos datos pueden ser valiosos en otro contexto. Las empresas basadas en datos discernirán continuamente esos datos, que son realmente útiles y aportarán el mayor conocimiento y valor empresarial.
2. Vincule las inversiones tecnológicas a objetivos empresariales de alto valor.
Con demasiada frecuencia, las organizaciones equiparan el éxito con realizar inversiones tecnológicas de vanguardia, a la vez que a menudo se apartan de las principales fortalezas empresariales, lo que ha hecho que una empresa sea competitiva y única. Para tener éxito, los ejecutivos deben sintetizar las características del negocio con capacidades tecnológicas para que las organizaciones no se pierdan en la complejidad de sus soluciones. Las organizaciones sabias comienzan por la oportunidad de negocio de alto valor que buscan abordar y preguntan cómo se puede implementar la tecnología para lograr el resultado deseado; no empiezan por la tecnología y funcionan hacia atrás. Comience por identificar el problema del negocio, no creando una capacidad y una solución con la expectativa de que si lo construye, llegarán.
Muchas organizaciones se desaniman en sus esfuerzos por emprender iniciativas basadas en datos porque las inversiones en tecnología parecen ser demasiado grandes o tardan demasiado en demostrar el valor empresarial. ¿Con qué frecuencia vemos que las empresas abandonan las iniciativas porque no pueden apuntar al ROI inmediato, al tiempo que ignoran el valor empresarial sostenido que resulta de estas inversiones? La consecuencia es que demasiadas organizaciones nunca comienzan ni repiten un ciclo de inversiones tecnológicas fallidas. Las empresas que mantienen una posición de liderazgo entienden que la tecnología es una herramienta, no una solución. Los innovadores y líderes invierten en capacidades básicas que proporcionan una ventaja competitiva única y se distinguen de sus competidores. Por ejemplo, enseñan a sus equipos a ser expertos en técnicas de toma de decisiones cuantitativas y aprovechan el profundo conocimiento de sus empleados sobre su negocio cuando están creando modelos importantes. Compra plataformas tecnológicas y de IA y motores de flujo de trabajo; no reinventes la rueda.
3. Centralice la infraestructura de datos, descentralice la administración de clientes.
Las unidades de negocio tienen una tendencia natural a sentir un fuerte sentido de propiedad de «sus datos», pero las empresas exitosas gestionan los datos como deporte de equipo, de forma colaborativa. Una unidad de negocio o región geográfica puede sentir que son «dueños» de la relación con el cliente y los datos dentro de su ámbito de competencia, sin tener en cuenta el beneficio organizativo más amplio de la perspectiva de un servicio al cliente y empresarial.
Si bien esta tutela tiene muchos beneficios, pueden ser parroquiales en contraste con los beneficios que se obtienen cuando las organizaciones comparten datos voluntariamente y descomponen los silos operativos tradicionales. Basta con observar la velocidad a la que se desarrolló una vacuna contra el Covid-19 una vez que las organizaciones científicas, de salud pública y gubernamentales estuvieran dispuestas a colaborar en todas las líneas farmacéutica, jurisdiccional y de agencias. La Comisión del 11 de septiembre dijo una vez que teníamos los datos, simplemente no los juntamos todo.
Las organizaciones pueden beneficiarse centralizando su infraestructura tecnológica, políticas, prácticas y estándares para garantizar un tratamiento coherente de los datos y un uso legal y ético coherente. Al mismo tiempo, las organizaciones pueden beneficiarse de los análisis descentralizados y de la gestión local de clientes mediante aquellas líneas de negocio y regiones que están más cerca del cliente y conocen mejor al cliente.
4. Educar a los ejecutivos de C-Suite sobre el valor empresarial del aprendizaje automático y la IA.
Hace mucho tiempo que los ejecutivos directivos pueden profesar ignorancia de estas nuevas tecnologías. Aunque las distinciones pueden parecer oscuras para los especialistas no técnicos, es importante comprender las diferencias entre IA, aprendizaje automático y aprendizaje profundo: la IA aprovecha las máquinas para replicar las funciones cognitivas humanas; el aprendizaje automático se basa en máquinas de enseñanza para hacer predicciones basadas en datos sobre datos y experiencias aprendidas; deep learning emplea algoritmos complejos que permiten la abstracción de alto nivel de los datos.
Si bien los ejecutivos no necesitan entender los detalles técnicos del «cómo», deberían comprender absolutamente «qué» del valor empresarial resultante para la empresa. Es demasiado importante abdicar o subcontratar estas responsabilidades. Los directores ejecutivos de líderes tradicionales como Capital One y American Express se enorgullecían de comprender los datos y la tecnología. Los directores ejecutivos deben adoptar los nuevos enfoques y comprender lo que deben hacer para explotar el valor. Sin embargo, recuerde siempre comunicar el beneficio empresarial al cliente y a los empleados, en términos claros y en un lenguaje sencillo que pueda entenderse bien y explicarse fácilmente.
5. Comience a poco y demuestre resultados empresariales mensurables, al tiempo que reconoce que el cambio transformador a menudo lleva décadas.
Eric Brynjolfsson, director del Laboratorio de Economía Digital de Stanford, observa que las empresas están tomando un enfoque de prisa y espera para la IA, comentando: «Tenemos algunas superestrellas que lo están haciendo muy bien, pero la razón por la que lleva tanto tiempo en primer lugar es que no es fácil». Brynjolfsson señala que con tecnologías transformadoras como la IA, que tienen el poder de transformar modelos de negocio completos, pueden pasar décadas antes de que los cambios produzcan resultados reales. Señala que gran parte del impulso detrás de la adopción de la IA está vinculado a sacar provecho de la eficiencia a través de los datos y el análisis. Socios de NewVantage Encuesta ejecutiva de Big Data e IA 2021 justifica estas perspectivas, y solo el 12,1% de los ejecutivos encuestados indica que la IA está en producción generalizada dentro de sus empresas.
Demasiadas organizaciones se centran en soluciones curativas, jonrones, lunares o importantes iniciativas transformadoras. Las empresas verdaderamente innovadoras avanzan paso a paso, demostrando resultados mensurables en cada paso del camino. Convertirse y mantenerse basado en los datos es un proceso y un viaje continuo, rara vez un destino. Implemente procesos de gestión de costes para garantizar que las inversiones estén vinculadas a resultados empresariales mensurables. Demostrar un retorno constante de la inversión vinculado a los costes gestionados cuidadosamente establecerá credibilidad empresarial y fomentará el apoyo y el compromiso organizativos. Las organizaciones deben proporcionar la máxima latitud y seguridad para la experimentación sin temor a fracasar. Las organizaciones innovadoras se caracterizan por culturas de prueba y aprendizaje, que fomentan el crecimiento y el aprendizaje mediante ensayos y errores. Involucre los procesos de prueba y aprendizaje para fallar rápidamente y aprender más rápido.
Los líderes sénior de las empresas que siguen estos pasos tendrán muchas más probabilidades de diferenciarse de sus competidores más cautelosos. Se distinguirán como innovadores que darán forma al futuro de sus industrias y mercados en una era de disrupción, big data e IA.
