Si su compañía no es buena para la analítica, no está lista para la IA

Los equipos directivos suelen asumir que pueden saltarse el análisis básico de datos al adoptar inteligencia artificial. Sin embargo, las compañías que se apresuran hacia tecnologías avanzadas antes de alcanzar una masa crítica de procesos automatizados y análisis estructurados pueden paralizarse.

TIEMPO DE LECTURA

texto alt

¿Cómo se calcula?

Descarga este Artículo

Los equipos directivos suelen asumir que pueden saltarse el análisis básico de datos al adoptar inteligencia artificial. Sin embargo, las compañías que se apresuran hacia tecnologías avanzadas antes de alcanzar una masa crítica de procesos automatizados y análisis estructurados pueden paralizarse.

En contraste, compañías con sólido análisis básico -como el de información de ventas y tendencias de mercado- tienen avances en áreas complejas y de gran importancia tras emplear inteligencia artificial (IA).

¿Cómo puede saber si las compañías ya están listas para la IA?

Automatizando procesos básicos

Primero, los gerentes deben automatizar procesos en áreas problemáticas que cuestan mucho dinero y desaceleran las operaciones. Si las compañías no hacen esto, sus nuevos sistemas de IA llegarán a las conclusiones incorrectas, porque están analizando datos desactualizados. Por ejemplo, los vendedores en línea pueden ajustar diariamente los precios de sus productos porque han automatizado la obtención de los precios de sus competidores. Sin embargo, aquellos que siguen revisando manualmente lo que cobran sus rivales podrían tardar hasta una semana en reunir la misma información.

Análisis estructurado de datos

Una vez que estén automatizados los procesos críticos, los gerentes necesitan desarrollar análisis estructurados y procesos centralizados de información, de forma que pueda establecerse un método estándar de recolección de datos. En las arquitecturas centralizadas de información, todos los sistemas remiten a la “fuente de la verdad” primaria, las actualizaciones se envían a todo el sistema y las decisiones reflejan una sola opinión sobre un cliente o asunto. Por ejemplo, el análisis estructurado les brinda a los administradores de categorías de ventas una imagen completa de la información histórica de los consumidores, les muestra qué productos fueron populares con qué clientes, qué se vendió en dónde y a qué productos los consumidores se mantuvieron leales. Armados con esa información, los directivos pueden asignar de mejor forma los productos y entender por qué los consumidores hacen ciertas elecciones.

Probando la IA

Después de que el análisis estructurado estándar se integre con la inteligencia artificial, es posible predecir, explicar y prescribir de forma integral el comportamiento del cliente. Los sistemas de IA hacen una enorme diferencia cuando los datos no estructurados, como las publicaciones de redes sociales, las notas de los centros de atención al cliente o las encuestas abiertas, también son necesarias para hacer un juicio. Amazon, por ejemplo, puede recomendarles productos a las personas antes de que ellas siquiera sepan que los quieren, porque puede colocar información no estructurada encima de análisis estructurados sólidos y centralizados, como los detalles de pago e historial de compra de los clientes.

La IA también ayuda con decisiones que no están basadas en el historial de desempeño. Las técnicas de machine-learning (aprendizaje automático) pueden predecir cómo le irá a productos que aún no están disponibles.

Finalmente, los sistemas de inteligencia artificial pueden hacer predicciones más correctas con base en datos dispares. Por ejemplo, los gerentes de fondos de inversión con una sólida base de análisis automatizado de datos pueden predecir cómo se desempeñarán las acciones aplicando IA que toma en cuenta todo, desde el clima hasta cuántos vehículos hay en diferentes ubicaciones.

Las compañías apenas empiezan a descubrir cómo la IA puede reinventar los negocios. Sin embargo, una cosa es clara: deben invertir tiempo y dinero para producir los suficientes análisis automatizados de información para tomar ventaja de las nuevas tecnologías.

“La IA también ayuda con decisiones que no están basadas en el historial de desempeño”.

“Los sistemas de inteligencia artificial pueden hacer predicciones más correctas con base en datos dispares”.

“Las compañías apenas empiezan a descubrir cómo la IA puede reinventar los negocios”.

¿Cómo puede saber si las compañías ya están listas para la IA?

Automatizando procesos básicos: Primero, los gerentes deben automatizar procesos en áreas problemáticas que cuestan mucho dinero y desaceleran las operaciones.

Análisis estructurado de datos: Una vez que estén automatizados los procesos críticos, los gerentes necesitan desarrollar análisis estructurados y procesos centralizados de información, de forma que pueda establecerse un método estándar de recolección de datos.

Probando la IA: Después de que el análisis estructurado estándar se integre con la inteligencia artificial, es posible predecir, explicar y prescribir de forma integral el comportamiento del cliente.

© 2018 Harvard Business School Publishing Corp.

De: hbr.org

Distribuido por: The New York Times Syndicate.

If Your Company Isn’t Good at Analytics, It’s Not Ready for AI

Management teams often assume that they can skip basic data analytics by adopting artificial intelligence. But companies that rush into advanced technologies before reaching a critical mass of automated processes and structured analytics can become paralyzed.

By contrast, companies with strong basic analytics — such as sales data and market trends — make breakthroughs in complex, critical areas after employing artificial intelligence.

How can companies tell if they’re ready for AI?

AUTOMATING BASIC PROCESSES

First, managers must automate processes in problem areas that cost significant money and slow down operations. If companies don’t do this, their new AI systems will reach the wrong conclusions because they are analyzing outdated data. For example, online retailers can adjust product prices daily because they have automated the collection of competitors’ prices. But those that still manually check what rivals are charging may take up to a week to gather the same data.

STRUCTURED DATA ANALYTICS

Once critical processes are automated, managers need to develop structured analytics and centralize data processes so that a standard collection method can be established. With centralized information architectures, all systems refer back to the primary “source of truth,” updates get sent to the entire system, and decisions reflect a single view of a customer or issue. For example, structured analytics provide retail category managers with a complete picture of historic customer data, show them which products were popular with which customers, what sold where and which products customers remained loyal to. Armed with this information, managers can allocate products better and understand why consumers make certain choices.

TRYING OUT AI

After standard structured analytics are integrated with artificial intelligence, it’s possible to comprehensively predict, explain and prescribe customer behavior. AI systems make a huge difference when unstructured data such as social media posts, call center notes or open-ended surveys are also required to reach a judgment. Amazon, for instance, can recommend products to people before they even know they want them because it can layer unstructured data on top of strong, centralized structured analytics like customers’ payment details and purchase histories.

AI also helps with decisions that aren’t based on historic performance. Machine-learning techniques can predict how products not yet available for sale will do.

Finally, artificial intelligence systems can make more accurate forecasts based on disparate data sets. For example, fund managers with a strong base of automated data analytics can predict how stocks will perform by applying AI to data that factors in everything from the weather to how many cars are in different locations.

Companies are just beginning to discover how AI can reinvent businesses. But one thing is clear: They must invest time and money to produce sufficiently automated data analytics to take advantage of the new technologies.

¿Qué te ha parecido?

Si encontró algún error gramatical en este artículo, por favor notifíquelo a nuestros editores seleccionando el texto y presionando:“Ctrl + Enter”.