Él está en un equipo que ayuda a las compañías a sacar partido a la información que atesoran, aunque esté desperdigada en silos que no se comunican. En esta entrevista, Peña habla de las dificultades de las empresas españolas para hacer una transición a la economía de los datos, tanto en el aspecto tecnológico como organizativo y de recursos humanos.
Se dice mucho que cada vez más los datos son el principal activo de las compañías, pero ¿cómo están en general las empresas españolas al día de hoy a la hora de explotar sus datos y convertirlos en negocio?
Estamos entrando en la “época dorada” de los datos. Por un lado, vemos grandes empresas globales con modelos operativos que giran en torno al dato, como Google, y, por otro, empresas más tradicionales que están apalancando sus datos para generar nuevas oportunidades de negocio e incrementar su competitividad. Adicionalmente, los avances en inteligencia artificial y en analítica avanzada están permitiendo a nuestras empresas sofisticar el vínculo entre sus datos y las decisiones de negocio, logrando un efecto multiplicador sobre el valor del dato per se.
Sin embargo, la mayor parte de nuestras grandes empresas tienen dificultadas a la hora de acceder a sus propios datos. Hoy en día, la mayor parte de las organizaciones tienen un ecosistema de datos demasiado fragmentado en múltiples aplicaciones, y una arquitectura de datos fragmentada y sin una visión end-to-end pensada para un modelo operativo tradicional, con múltiples definiciones para un mismo dato por departamento o falta de versionado en el modelo de datos. Por último, la nueva LOPD añade desafíos legales y técnicos. Todo ello dificulta poner el dato a disposición de la organización y ralentiza el ritmo de adopción de estrategias de analítica avanzada.
“Más de la mitad de las empresas reconocen tener problemas a la hora de captar talento especializado en gestión de datos”
Adicionalmente, la gestión y organización del talento también representa un reto significativo para nuestras empresas, que tienen que competir por recursos especializados escasos en un mercado cada vez más global y contra empresas nativas digitales. Adicionalmente, tienen que transformar sus modelos operativos para romper los silos causados por la común estructura organizativa funcional cuyo foco era la eficiencia y la especialización.
Precisamente, en un informe reciente de McKinsey se habla de que uno de los problemas de implantar una política de big data es que la información está repartida en silos que no tienen conexión unos con otros. ¿Cómo se supera este problema?
No es un problema trivial y en algunos aspectos no tiene solución en el corto plazo. Las técnicas de analítica avanzada se basan en la extrapolación de patrones históricos. Por lo tanto, el rendimiento de dichas metodologías estará, en el corto plazo, sujeto a la calidad y estructura de los datos históricos. Pero vemos cómo muchas organizaciones están empezando a trabajar en sacar el máximo partido a los datos existentes e implantar un modelo de datos que habilite la utilización de estrategias de analítica avanzada.
¿Dígame, con algún ejemplo práctico, cómo se hace un dato rentable y generador de negocio?
Por ejemplo, una actividad que está transformando radicalmente su modelo operativo y de generación de valor apalancando datos y la analítica avanzada es el trading. Históricamente, esta actividad se ha basado en el conocimiento de expertos de mercado que, apalancando herramientas ‘caseras’, tomaban decisiones de compraventa de activos físicos o financieros.
“La capa directiva también afronta un vacío de conocimiento relevante en analítica de datos”
El uso de datos y la analítica avanzada están cambiando el modelo. Las empresas comienzan a emplear mayor cantidad de datos cada vez más complejos, como trazabilidad de buques en el océano para modelar las curvas de oferta, imágenes de satélites para adelantar ciertos eventos como mantenimientos o indisponibilidades. Y también datos no estructurados, como el procesado masivo de noticias para generar indicadores de sentimiento de mercado. Todo con el fin de sofisticar la toma de decisión y adelantarse a los movimientos de mercado. Todo esto está llevando a la completa automatización del trading de corto plazo y a la utilización de datos y herramientas de analítica como soporte para el trading de medio y largo plazo.
¿Hasta qué punto han adoptado las empresas españolas herramientas de analítica que les ayuden a tomar decisiones?
La mayor parte de nuestras grandes empresas han adoptado herramientas de analítica avanzada para apoyar su toma de decisiones. Sin embargo, lo han hecho a distinta escala y con un grado de integración con sus procesos de negocio actuales muy dispar. Es común la empresa que ha desarrollado un caso de negocio en formato de producto mínimo viable para apoyar algún aspecto concreto de la decisión de negocio. Sin embargo, son pocos los que han logrado “productivizar” estas herramientas, poniéndolas, por ejemplo, al nivel de servicio de otros sistemas de operación, e integrándolas profundamente hasta transformar el modelo operativo en uno basado en el dato. La mayor parte de nuestras empresas se encuentran en un periodo de transición entre estos dos estados. Pese a que existen diferencias importantes por industria, observamos que en general las tecnologías de inteligencia artificial más extendidas (además de las herramientas de visualización de datos) son: robotic process automation, computer vision y machine learning.
¿Están los empleados de las compañías formados convenientemente para sacar partido a esta nueva economía de los datos?
Según los análisis de McKinsey & Company, más de la mitad de las empresas reconocen tener problemas a la hora de captar talento especializado en gestión de datos. Sin embargo, no es la principal trampa en la que caen. Muchas se olvida el componente multidisciplinar de este tipo de iniciativas y descuidan la gestión del talento en roles que integren el conocimiento de negocio con los aspectos técnicos de la analítica avanzada. En este sentido, en nuestra experiencia, es tan relevante contar con un equipo de especialistas y científicos de datos como con la figura de “translators” que ayuden a los ingenieros a entender la casuística de negocio y sus problemas (y viceversa), así como arquitectos, especialistas en visualización de datos y analistas de negocio.
Además, el reto de la falta de talento y capacidades no solo impacta a la capa operativa de la organización. La capa directiva también afronta un vacío de conocimiento relevante, ya que un nuevo modelo operativo basado en datos y analítica avanzada requiere nuevos indicadores, diálogos de desempeño y palancas de decisión que no conocían hasta el momento. Por ello, desarrollar un plan de formación a todos los niveles de la organización es vital.
“La analítica avanzada está ayudando a las eléctricas a pasar de un modelo de gestión por colectivos a una gestión personalizada”
¿Cuáles son las industrias que más están cambiando con el big data y la analítica?
En términos de industrias, las empresas de telecomunicaciones, las tecnológicas y las instituciones financieras son las que están liderando la adopción de estas tecnologías. Sin embargo, vemos que existe una oportunidad importante en todas las industrias. Por ejemplo, uno de los sectores que más está cambiando es el sector energético, donde el aumento de la generación distribuida renovable, la adopción del vehículo eléctrico y el aumento de competitividad está empoderando al cliente y dando lugar a nuevos modelos de negocio digitales basados en datos, como las plataformas de compraventa de energía entre particulares. En este contexto, el big data y la analítica avanzada está ayudando a nuestras eléctricas a pasar de un modelo de gestión por colectivos a una gestión personalizada cliente a cliente.
