Cómo volver a poner en marcha el programa de datos de su empresa
S
i su empresa tiene dificultades para ver resultados reales de su programa de datos, quizá sea momento de empezar de nuevo. He aquí cómo hacerlo y qué deben hacer personalmente los altos directivos dentro de ese proceso.
Cómo volver a poner en marcha su programa de datos
Para empezar de nuevo, las empresas deben avanzar en tres frentes de manera paralela:
- Atacar la calidad de los datos
Las empresas se enfrentan a una amplia variedad de problemas comunes de calidad de datos.
La clave está en minimizar las “fábricas ocultas de datos” cometiendo menos errores en los puntos donde se crean los datos. Para lograrlo, es fundamental que el área de ventas tenga claridad sobre lo que necesita, que dialogue esas necesidades con marketing y que marketing elimine, una a una, las causas raíz de los errores. Los beneficios son fáciles de identificar y se obtienen rápidamente.
- Iniciar su recorrido en ciencia de datos con técnicas más sencillas
La ciencia de datos es ideal para abordar todo tipo de problemas que enfrentan las empresas. En orden de complejidad creciente, algunos métodos (y los problemas que ayudan a resolver) incluyen:
— El control estadístico y la mejora de procesos no tienen comparación cuando se trata de reducir costos, tiempos de ciclo e incertidumbre en los procesos del negocio.
— El diseño experimental (incluidas las pruebas A/B) ayuda a mejorar la calidad del producto.
— El modelado estadístico ayuda a las empresas a comprender el comportamiento de los clientes, predecir las ventas del próximo mes, decidir dónde ubicar una nueva tienda y estimar el precio justo a pagar por una adquisición (entre otros ejemplos).
— El aprendizaje automático / inteligencia artificial se utiliza para analizar grandes conjuntos de datos, descubrir relaciones previamente desconocidas, ayudar a mejorar la toma de decisiones y automatizar muchos tipos de trabajo.
- Poner los datos a trabajar para crear una ventaja competitiva
Aunque la IA ha acaparado la mayor parte de la atención durante el último año, existen muchas otras formas de generar beneficios empresariales a partir de los datos. Cuatro grandes ejemplos incluyen:
— Aumentar el valor de los productos y servicios mediante su “informatización”, es decir, haciéndolos más valiosos al incorporar más datos o datos de mejor calidad. Esto se puede hacer con casi cualquier producto. Mi ejemplo favorito es la lata de cerveza Coors: las montañas se vuelven azules cuando la cerveza está lo suficientemente fría como para beberla.
— Empaquetar y vender productos de datos.
— Crear una ventaja sostenida mediante la explotación de datos propios, es decir, datos que nadie más tiene. Un buen ejemplo es el CUSIP de S&P, que identifica de forma única los productos financieros.
— Incorporar más y mejores datos en la toma de decisiones, cumpliendo la promesa de la “toma de decisiones basada en datos”.
A largo plazo, las empresas deberán definir una o dos de estas opciones que mejor se adapten a ellas, en función de sus habilidades, los datos que poseen o pueden obtener, y los mercados en los que compiten. La informatización casi siempre es un buen punto de partida, en parte porque el trabajo es sencillo: pida a algunos de sus mejores especialistas en marketing que documenten su comprensión de lo que los clientes realmente quieren y necesitan. Luego, realice un “análisis de brechas” simple para determinar qué les gustaría recibir (y que no está ofreciendo). Busque llenar esas brechas con datos.
© 2026 Harvard Business School Publishing Corp. | De: hbr.org | Distribuido por: The New York Times Syndicate.
Artículo en inglés
If your company is struggling to actually see results from its data program, it might be time to make a fresh start. Here’s how to do that, and what senior managers must personally do in that process.
GETTING YOUR DATA PROGRAM BACK ON TRACK
To make a fresh start, companies should pursue three tracks in parallel:
ATTACKING DATA QUALITY
Companies are plagued by a wide range of common data quality issues.
The key lies in minimizing hidden data factories by making fewer errors at the points of creation! And the keys to doing that lies in Sales clarifying what it needs, discussing those needs with Marketing and Marketing eliminating root causes of error one at a time. It is easy to see the benefits and they accrue quickly.
STARTING THEIR DATA SCIENCE JOURNEY WITH EASIER TECHNIQUES
Data science is ideally suited to addressing all sorts of problems facing companies. In order of increased complexity, some methods and problems they help address include:
— Statistical process control and improvement is unmatched for lowering cost, cycle time and uncertainty in business processes.
— Experimental design (including A-B testing) helps improve product quality,
— Statistical modeling helps companies understand customer behavior, predict next month’s sales, decide where to locate a new store and estimate the fair price to pay for an acquisition (as examples) and
— Machine Learning/Artificial intelligence which is used to analyze big datasets; uncover previously unknown relationships; help improve decision-making; and automate many kinds of work.
To get started, leaders should start at the top of the list above, select several important business processes (again, led by people with open minds), ask each to assemble a small team, learn about statistical control, and then do the work to put their processes in control. Learn as you go, but to be clear, this exercise is not just about gaining confidence in data science. Expect to see real business benefits in short order.
PUTTING DATA TO WORK TO CREATE COMPETITIVE ADVANTAGE
While AI has garnered most of the attention in the past year, there are plenty of other ways to create business benefits from data. Four great examples include:
— Making products and services more valuable by “informationalizing” them, or making them more valuable by building in more or better data. This can be done with almost any product. My favorite example is the Coors beer can — the mountains turn blue when the beer is cold enough to drink.
— Packaging and selling data products.
— Creating sustained advantage by exploiting proprietary data — that is, data that no one else has. One good example is S&P’s CUSIP, which uniquely identifies financial products.
— Bringing more and better data to decisions, the promise of “data-driven decision-making.”
In the long-term, companies will need to sort out one or two that best suit them based on their skill sets, the data they possess or can obtain, and the markets in which they compete. Informationalizing is almost always a good place to start, in part because the work is straightforward: Ask some of your best marketers to document their understanding of what customers really want and need. Then conduct a simple “gap analysis” to determine what they’d like that you’re not delivering. Look to fill these gaps with data.
Leyes de privacidad al compartir datos
Las regulaciones que ampliaron el control de los clientes sobre el uso que las empresas hacen de sus datos personales entraron en vigor en California y Virginia en 2023.
Cuando se trata de valor a largo plazo, las empresas tradicionales deberían pensar como disruptores digitales
A diferencia de muchas empresas tradicionales consolidadas, los disruptores digitales exitosos se enfocan en crear valor a largo plazo de una manera diferente.
Cuando el CEO se convierte en la marca
Cuando una marca se polariza políticamente debido al activismo de su CEO, la empresa se enfrenta a tres caminos estratégicos principales de cara al futuro.
