Capítulo 3: Creando un área de Analítica e Inteligencia Artificial en la empresa. 

¿Cuándo? 

Ahora es cuando te debes estar preguntando ¿Cuándo y cómo empiezo un área de Analítica, Inteligencia Artificial o incluso de Business Inteligence? Bien, pues la respuesta es muy simple: AYER. 

Te lo digo porque lo he visto, lo he vivido. Es increíble ver empresas que no tienen una estrategia de toma de decisiones. Muchas empresas ni siquiera cuentan con datos para tomar decisiones de forma sustentada, a ello, le llaman experiencia –algunos, le dicen olfato. Si, es muy poco probable que un inexperto pueda enseñarle al dueño de la empresa, al fundador de la empresa o a quien la ha estado dirigiendo durante 20 o 30 o 50 años nuevos trucos. A menos de que esa persona sea un experto en análisis de datos.  

“Los datos siempre dicen la verdad”, es la frase en la industria. Y es así. Los datos no mienten, los datos no tienen intereses, los datos no tienen emociones, los datos no esconden ni se manipulan. La gente sí. Eliminemos el factor negativo, por ejemplo y dejémoslo en frases como: 

“Yo lo llevo haciendo durante años.” 

“Yo he visto mil veces, estos cambios en el mercado.” 

“Yo conozco la empresa, el producto y el mercado como la palma de mi mano”. 

“Siempre lo hemos hecho así y ha funcionado en otras ocasiones.” 

Así es que ¿cuándo debemos empezar un área de análisis? Insisto, no solo ayer, si no cuando la organización esté lista para tomar decisiones más documentadas, más informadas, más certeras y con datos duros. 

¿Cómo? 

La siguiente pregunta, ¿cómo debo empezar un área de análisis? La respuesta de muchos y diversos expertos coincide: en la alta dirección. Si, este proyecto es un proyecto de la alta dirección, de la dirección general, del CEO. Es un proyecto que debe permearse de arriba hacia abajo en la organización, pero siempre pegada a él. ¿Por qué? Porque él es quien da la cara a los inversionistas. Él es quien responde a los dueños. Él es el que tiene la responsabilidad total de la organización sobre sus hombros. Los resultados son su responsabilidad y mejorarlos es su objetivo. Un área de análisis no sirve, como una radiografía, para ver nada más dónde está el problema. Es una herramienta para mejorar los resultados. Si la radiografía no sirve para decidir y ejecutar una operación, una amputación o una inmovilización, entonces no sirve de nada saber que hay un hueso roto. Cuando se pretende resolver problemas sin radiografía, entonces es probable que prescriba una caminata ligera –el clásico “camina el golpe” que se receta en un torzón de tobillo. Si no hay un área encargada de datos, información y análisis, el riesgo es mucho mayor.  

 

Así es que ¿cómo se ve un área de análisis?  

  1. Director o VP de Analítica: Es una posición estratégica Ya dijimos que debe estar a cargo de alguien de toda la confianza del CEO, que se siente a su derecha en las juntas de dirección y que le dé el briefing para las juntas de consejo.   

Es una posición de negocios, no de sistemas. Esta posición que resuelve problemas de negocio –sí, con herramientas tecnológicas. Habilitar esas herramientas y alinearlas al negocio es la tarea del director. Instalarlas, instrumentarlas y configurarlas es tarea de sistemas (IT), pero su operación no. Esta área es cliente de IT y no parte de IT. A esta área se le debe de medir en base a mejora en los resultados de los indicadores de la empresa y no entiempo de respuesta de sistemas o tiempos caídos de sistemas. Esa es la mejor explicación. 

Esta posición debe tener conocimiento básico de tecnología porque deberá hablar, negociar y definir con sistemas tiempos, herramientas, capacidades y presupuestos.  

Las posiciones clave, a nivel gerencia asemejan una fábrica: Insumos, producción o transformación y entrega. 

  1. Gerente de Data Management. Esta posición si es una posición técnica. Es quien busca los insumos de datos. Esta posición va a buscar los datos al Datawarehouse (al gran bodegón donde IT almacena los datos) y los trae. Dentro de sus tareas esta la limpieza y la estructuración de los datos para su utilización. Tenerlos disponibles y en forma para ser explotados. Siempre digo que es quien invita a los datos para ir a la fiesta. Envía las invitaciones, y se asegura que los datos estén bañados, peinados y perfumados, pero sobre todo que estén listos para la fiesta. Esta posición es un ingeniero de sistemas, normalmente. Conocimientos de bases de datos, SQL entre otras.  

  2. Gerente de Análisis de datos (o analítica de datos). Esta posición se encarga de darle tratamiento a los datos mediante modelos matemáticos simples (estadísticas, pronósticos, tendencias entre otros) o complejos (clustering, minería de datos, segmentaciones entre otros). Esta posición se encarga de agregar valor a los datos para moverlos a Inteligencia o analítica. Esta posición puede dejarse a un actuario o matemático (un físico o un químico puro). Es ideal para un economista con conocimientos en econometría. Aquí queremos alejarnos del perfil de un ingeniero. 

  3. Gerente de reporte o BI (Business Intelligence). Esta posición se encarga de tomar los datos y presentarlos en tableros de control en línea. Liga y automatiza los datos del Datawarehouse que está administrando el Gerente de Data Management para presentarlos a los usuarios y tomadores de decisiones. De igual forma, toma la inteligencia y la analítica que desarrollo el gerente de análisis de datos y la presenta en tableros de control en línea (vivos y actualizables). Manejar herramientas de BI no es complicado, pero ayuda tener una formación de sistemas. Un Ingeniero en sistemas es ideal. 

  4. Gerente de Negocio: Es importante tener una persona (o varias, dependiendo del tamaño de la empresa y de la atención que se requiere) que tenga comunicación con los tomadores de decisiones o dueños de los tableros de control. Es quien conoce el negocio y es capaz de entender 

  • ¿Qué tipo de decisiones deben tomarse? 

  • ¿Cuáles son los indicadores importantes? 

  • ¿Qué nivel de importancia tiene un indicador sobre otro? 

  • ¿Debe tener la capacidad de simplificar (es muy común requerir la misma información mensual, quincenal, semanal, diaria y por hora)? ¿Verdaderamente tiene valor? 

  • ¿Cuáles son las problemáticas de negocio que se quieren resolver? 

  • Debes ser capaz de comunicar con un lenguaje de negocio que es posible hacer y que no.  

El proceso, como comenté anteriormente es sencillo. Insumo, producción o transformación y entrega. Algunas organizaciones utilizan a una posición de estas por cada área a la que hay que atender: Uno para finanzas, otro para RH, otro para marketing, otro para comercial, etc. Esta posición es alguien con formación en administración o finanzas. Un ingeniero industrial funciona muy bien, es alguien que debe manejar números, leerlos, entenderlos y comunicarlos.  

El área no es compleja, tampoco debe ser enorme. Los análisis se irán desarrollando por área e importancia. Elegir 10 indicadores de marketing (por ejemplo), identificar los datos en las fuentes de origen, ir por ellos, limpiarlos y procesarlos, desarrollar modelos matemáticos para generar tendencias, pronósticos, clusters y otros y presentarlos en tableros. Una iteración continuará hasta ajustar al máximo a los requerimientos del usuario y simplemente se le dará mantenimiento, reduciendo hasta en un 90% la atención requerida a Marketing. Así, se irá a desarrollar nuevas áreas como finanzas o RH o a generar investigación a nuevos desafíos.  

Ya tienes a tu equipo. ¿Qué sigue? Alinearte al negocio.  

Organigrama del área de Analytics. El Genrente de Business Liasons tiene el relacionamiento con las áreas de negocio (finanzas, ventas, marketing, operaciones) y define junto con ellos requerimientos a nivel misión del visión y valores del área. Analiza procesos operativos y analiza los indicadores importantes así como las decisiones que deben tomarse. Documeneta y pasa información en un reporte al resto del equipo. El gerente de Business Data Management busca la inforamción en conjunto con IT y se asegurad e que esté limpia y disponible. El Gerente de Análisis de Datos / Analytics manipula la información con modelos matemáticos y herramientas como SAS, R, Phyton u otro para transformar los datos en inteligencia. El Gerente de Reporting y Dashboards se encarga de diseñar el tablero de negocios junto con el Gerente de Business Liaisons. El tablero, los datos y los modelos se presentan en conjunto al director del área de negocios.

Organigrama del área de Analytics. El Genrente de Business Liasons tiene el relacionamiento con las áreas de negocio (finanzas, ventas, marketing, operaciones) y define junto con ellos requerimientos a nivel misión del visión y valores del área. Analiza procesos operativos y analiza los indicadores importantes así como las decisiones que deben tomarse. Documeneta y pasa información en un reporte al resto del equipo. El gerente de Business Data Management busca la inforamción en conjunto con IT y se asegurad e que esté limpia y disponible. El Gerente de Análisis de Datos / Analytics manipula la información con modelos matemáticos y herramientas como SAS, R, Phyton u otro para transformar los datos en inteligencia. El Gerente de Reporting y Dashboards se encarga de diseñar el tablero de negocios junto con el Gerente de Business Liaisons. El tablero, los datos y los modelos se presentan en conjunto al director del área de negocios.