Day: 5 noviembre 2021

Reflexiones: 5 claves para la transformación digital de la empresa (industrial) / Empresa con datos vs Empresa impulsada por datos

Todas las empresas generan una gran cantidad de datos. Es más… estoy por afirmar que todas las empresas generan una ENORME cantidad de datos, algo que ya me parece incuestionable si se trata de una empresa industrial.

Pero asumiendo este postulado, ¿podríamos decir que todas las empresas se gestionan con datos?

Pues déjenme decirles que, a mi juicio, la respuesta es sí. ¿O pensaban que iba a afirmar lo contrario? 😉

Toda organización de más de 10 trabadores y medianamente estructurada, aunque sea a un nivel ínfimo, controla su gestión en base a algunos indicadores, lo que le permite saber (o creer saber) al menos si gana o si pierde al final de cada mes, cuidar su tesorería, contar las reclamaciones procedentes del mercado, saber cuánto compra y a qué precio, medir o valorar el trabajo de sus empleados, calcular la eficiencia de sus instalaciones, los tiempos de inactividad de máquina, el porcentaje de productos defectuosos que fabrica, los tiempos de ciclo, la energía que consume… y al final, tomar decisiones en función de las desviaciones que observa frente a objetivos o expectativas. Eso por lo menos.

Sin embargo, me temo que pocas podrían afirmar hoy por hoy que los datos de los que disponen son de una gran calidad, sobre todo si somos capaces de ponernos de acuerdo en lo que significa eso.

Imaginen una escena: en una reunión del equipo directivo de una empresa, un miembro de la misma realiza un descargo de su área de responsabilidad y muestra varias tablas y gráficos de suporte a su argumentación. En un momento dado, un compañero advierte que hay un dato en una gráfica que desafía al sentido común, que por la razón que sea «no le encaja». Admitida por todos esa anomalía (incluido el ponente), el asunto se resuelve con una frase tipo «bueno, lo miro luego, veo qué pasa y lo corrijo, si está mal como parece… y ya os diré«. La reunión sigue adelante, se adoptan las decisiones que procedan… y la vida de la organización continúa sin mayor contratiempo.

¿Les resulta familiar?

Creo que la inmensa mayoría de las empresas se han venido gestionando (y se siguen gestionando) de esta manera.

Pero decir que un dato es «de calidad» implica asociarle características como:

  • Integridad: que expresa información exacta, completa, homogénea, sólida y coherente con el propósito que buscaba quien definió el dato.
  • Unicidad: que todos los valores distintos del elemento de datos aparecen y se reportan sólo una vez.
  • Ubicuidad: que es posible acceder al dato desde distintos dispositivos, o distintos aplicativos que lo utilicen para sus procesos.
  • Confiabilidad: que es estable, que se puede repetir la medición y obtener resultados similares y consistentes.
  • Actualización: que es un valor que representa fielmente el estado de las cosas correspondiente al momento en que se desea utilizar.
  • Seguridad: que respeta la protección de privacidad y que está protegido frente a una posible corrupción del mismo…

Sin embargo… ¿les suenan las siguientes situaciones?:

  • Sabemos que tenemos algunos problemas con datos que manejamos, pero no tenemos claro qué consecuencias tiene eso.
  • Probablemente estemos confiando en datos que son inexactos, pero lo seguiremos haciendo, porque en realidad ni siquiera lo sabemos: solo lo intuimos.
  • Vemos que se usan datos con un uso «sectario», fuera del contexto del negocio, solo para justificar argumentos.
  • Tenemos datos indefinidos o incorrectamente definidos, que generan más discusiones que valor aportan.
  • Nos encontramos con frecuencia con datos redundantes o inconsistentes y, aunque hemos hecho intentos, no acabamos de saber cómo corregir esta situación.
  • Disponemos de infinidad de datos que infra-gestionamos o simplemente no gestionamos…

¿Familiar, no?

Hemos aprendido a convivir con los problemas con los datos, que finalmente hemos llegado a asumir como algo normal, algo que pertenece a la lógica de la realidad empresarial. Y esto es así fundamentalmente por dos razones:

  • Porque la experiencia y la intuición de los gestores, a la hora de enfrentarse a los datos, es suficiente para detectar anomalías y protegerse frente a grandes daños a la hora de tomar decisiones, cuando se detectan.
  • Porque para la mayor parte de las decisiones que tomamos en nuestras empresas, por ejemplo, es irrelevante si una desviación es del 13 o del 17% frente a un objetivo, sino que basta con que seamos conscientes de que hay una desviación importante y que el factor desviado nos importa.

Sin embargo… esta situación es una bomba de relojería para el empresa digital, que ya ésta no es meramente una empresa que usa datos digitales, sino una organización auténticamente impulsada por datos («data driven»), que decide siempre en base a ellos, lo que tiene unas implicaciones muy importantes cuya consideración no es habitual encontrar. En una empresa data driven:

  • Los datos forman parte de la cultura de empresa, son el eje de todos los procesos de trabajo y de las decisiones que se toman sobre ellos, definen qué problemas abordar y permiten identificar sus causas, se ofrecen accesibles a tantas personas como sea posible y se invita a todos a encontrar continuamente nuevas formas de explotarlos.
  • Se implanta una política de analítica de datos muy estructurada que fija normas de gobernanza que aseguren su calidad, que incluye el uso de herramientas de análisis para el control de los principales KPI y que se utiliza tanto para definir la estrategia central del negocio como para analizar problemas, identificar oportunidades o tomar decisiones estratégicas y operacionales con agilidad.
  • Se establece un marco de acceso a los datos amplio, que apueste por jerarquías horizontales, donde trabajadores y directivos se comunican directamente y se contextualizan y personalizan los mensajes a los grupos de interés.
  • Se examinan y organizan los datos con el fin de atender mejor a clientes y consumidores y se aprovechan los datos digitales para proporcionar más valor a los clientes y obtener un aumento de los ingresos.

Como ya decía antes y explicaba hace un año en otro artículo con un propósito bien diferente, la verdad es que, en la mayoría de los casos, trabajar con datos de baja calidad y llenos de problemas «no ha sido en nuestras empresas una praxis desastrosa: el análisis causal se mezcla con la intuición ante resultados anómalos… y la resultante final ha sido suficientemente útil durante toda nuestra vida profesional».

Pero hemos entrado en un mundo en que la combinación de objetos conectados e inteligencia artificial es clave… y «en el mundo de los algoritmos… eso es otra cosaMalos datos implican decisiones erróneas.

Porque si un análisis humano de la información puede aflorar datos sospechosos y por tanto inútiles para tomar cualquier decisión, en el análisis de “big data” pueden convertirse en algo peor si no se detectan: ser directamente dañinos porque las decisiones automáticas se basen en información que conduzca directamente al error».

La generación de información está alcanzando tal dimensión que resulta imposible su procesamiento por humanos, por lo que, obtenida en tiempo real, se filtra, conecta y procesa por máquinas en procesos que, si bien en la mayoría de los casos están dando lugar a modelos predictivos (aún de soporte para decisiones humanas), caminan decididamente a modelos prescriptivos en los que, una vez determinadas las variables de control de un proceso, la conjunción de las predicciones de comportamiento no deseado de máquinas o personas con los algoritmos que representen el funcionamiento del propio proceso, hará innecesaria la intervención humana en la toma ordinaria de decisiones.

Y ya a día de hoy, tengo para mí que la mala calidad de los datos de soporte está en el origen de la inmensa mayoría de las frustraciones hasta ahora generadas en proyectos de inteligencia artificial, por falta de integridad (no son completos, no son exactos, no son homogéneos, no son todos los necesarios…).

Poner orden en el mundo inmenso de los datos que ya están generando las empresas para avanzar hacia la noción de empresa inteligente (inteligente en cómo analiza y segmenta el mercado, en cómo fabrica el producto, en cómo compra sus materias primas o en cómo gestiona sus fábricas) es un desafío enorme del que hasta ahora solo han sido verdaderamente conscientes las empresas cuyo negocio es básicamente IT (banca, seguros, telecomunicaciones…).

Al resto nos queda entender su importancia, primero, e impulsar prácticas efectivas de gobernanza de datos, con políticas y recursos específicos para los que, y siento ser pájaro de mal agüero, no van a encontrar mucha comprensión en sus casas… 😉

La transformación digital de una empresa pasa necesariamente por convertirse en una organización no solo gestionada sino impulsada desde la extracción de valor de los datos, para desarrollar su inteligencia en la comprensión del entorno competitivo, para aumentar su capacidad de desafiar el estado del arte del conocimiento de los procesos, o para convertir los datos generados en servicios digitales de valor añadido que le diferencien y potencien su propuesta de valor.

Ya ven, como les advertí en el post de presentación de la serie, cosas muy básicas, nada seguramente que no sepan…

Pero he ahí el primer desafío.

______________

LAS ENTRADAS DE LA SERIE COMPLETA
5 CLAVES PARA LA TRANSFORMACIÓN DIGITAL DE LA EMPRESA (INDUSTRIAL)
EMPRESA CON DATOS vs EMPRESA IMPULSADA POR DATOS
INDUSTRIA 4.0 vs FÁBRICA 4.0
AUTOMATIZACIÓN Y ROBOTIZACIÓN vs INTELIGENCIA ARTIFICIAL
INFRAESTRUCTURAS TECNOLÓGICAS vs INFRAESTRUCTURAS PARA LA EMPRESA DIGITAL
PROPUESTA DE VALOR DIGITAL vs NEGOCIO DIGITAL