Evite los cuellos de botella organizacionales

texto alt

Existe un nuevo y difuso cuello de botella: la organización misma y su incapacidad de adoptar grandes capacidades de datos y análisis. Aquí le presentamos tres reglas para evitar este atolladero y asumir efectivamente las oportunidades analíticas de la actualidad.

TIEMPO DE LECTURA

texto alt

¿Cómo se calcula?

You must be logged into the site to download the file.

Antes de los próximos 3 años habrá más de 20 billones de aparatos conectados que pueden empoderar a las empresas digitales –o intimidarlas. Con el ritmo “always on” de la innovación digital acelerándose, uno podría pensar que la tecnología seguiría siendo un desafío para los negocios. Históricamente, las nuevas tecnologías –aunque permiten que las organizaciones busquen nuevas metas- se han convertido en cuellos de botella para el progreso. Esto se debe a limitaciones como los largos procesos de implementación y la inflexibilidad para adaptarse mientras cambian las condiciones de los negocios.

Pero este no es el caso hoy. Existe un nuevo e incluso más difuso cuello de botella: la organización misma y su incapacidad de adoptar grandes capacidades de datos y análisis.

Basados en nuestro trabajo con clientes de una gran variedad de industrias, desde los servicios financieros hasta la energía, hemos encontrado tres reglas para evitar este atolladero y asumir efectivamente las oportunidades analíticas de la actualidad:

  • No se sature –empiece lento y vaya acelerando. Para evitar saturarse por todos los datos y las posibles oportunidades que ellos pueden descubrir, las compañías deberían reducir la velocidad y concentrarse en las cosas que importan. Es mucho más fácil enfocarse en resolver cinco temas que podrían realmente hacer una diferencia que en 500 que podrían ayudar al negocio. Una vez que se ha determinado esta lista corta de áreas de enfoque, las organizaciones pueden perseguir más efectivamente los resultados deseados al duplicar sus esfuerzos analíticos de datos automatizados.
  • La tecnología no tiene que estar expuesta (mantenga la complejidad tras bambalinas): Las organizaciones no deberían ser reticentes a explorar nuevas tecnologías y experimentar con sus datos para mejorar la efectividad de sus análisis para los procesos clave de toma de decisiones. El “machine learning” (aprendizaje automático) o la creciente variedad de herramientas para eldescubrimiento y análisis de datos utilizadas para obtener información escondida, son una sofisticada tecnología que puede hacer justamente eso. Las técnicas de machine learning pueden ayudar a las compañías a: aprender del comportamiento pasado y predecir el de los nuevos consumidores (vgr. Modelos que predicen el riesgo de cartera vencida), segmentar el comportamiento de los clientes en una forma optimizada y amigable (vgr. Modelos de estilo de vida de los consumidores, creados a partir de los datos de geolocalización en los teléfonos celulares) y conducir modelos de simulación de masas en los que se modela la respuesta de cada persona a una recompensa.
  • Tome decisiones más rápidas para beneficios más rápidos. Es importante que los negocios sientan, analicen, interpreten y actúen rápidamente a partir de la información de los datos, pues las ventajas competitivas seguramente serán más volátiles en el mundo hipercompetitivo de la actualidad. Con esto, estamos viendo un cambio fundamental en las decisiones estratégicas, impulsado por el descubrimiento de los grandes datos, una capacidad que acelera el tiempo para obtener el conocimiento.Por ejemplo, un gran banco utilizó sus capacidades de descubrimiento de datos para obtener una percepción más profunda de su estrategia de experiencia de consumo y entender por qué había una caída en la satisfacción de los clientes. El análisis de datos tomó semanas en lugar de meses: un equipo de científicos de datos, expertos funcionales y analistas de negocios trabajaron para señalar, filtrar y encontrar las correlaciones en la información y determinar cómo variaba a través de diferentes segmentos de consumidores. El equipo de análisis descubrió que los segmentos más ricos de la clientela del banco eran los más adeptos a la tecnología, y que estaban insatisfechos con la experiencia digital del banco. El banco originalmente pensó que las cuotas de servicio eran el problema y, aunque en efecto lo eran hasta cierto punto para todos los consumidores, no representaban el asunto más importante para los que brindan mayores ganancias. Como resultado, el banco cambió su experiencia de consumo al permitirle a los asesores financieros conectar digitalmente con los consumidores.

Los datos van a seguir creciendo, con las opciones tecnológicas siguiendo la misma trayectoria –sin que las organizaciones tengan otra elección más que asumir la nueva realidad digital. Al aplicar el poder de las técnicas de análisis, como el machine learning, una firma puede tomar decisiones más rápidas e inteligentes para modificar activamente su industria.

“Con el ritmo “always on” de la innovación digital acelerándose, uno podría pensar que la tecnología seguiría siendo un desafío para los negocios, pero este no es el caso hoy”.

Es mucho más fácil enfocarse en resolver cinco temas que podrían realmente hacer una diferencia que en 500 que podrían ayudar al negocio”.

Los datos van a seguir creciendo, con las opciones tecnológicas siguiendo la misma trayectoria –sin que las organizaciones tengan otra elección más que asumir la nueva realidad digital”.

Existe un nuevo y difuso cuello de botella: la organización misma y su incapacidad de adoptar grandes capacidades de datos y análisis. Tres reglas para evitar este atolladero y asumir efectivamente las oportunidades analíticas de la actualidad:

  • No se sature –empiece lento y vaya acelerando: las compañías deberían reducir la velocidad y concentrarse en las cosas que importan. Es mucho más fácil enfocarse en resolver cinco temas que podrían realmente hacer una diferencia que en 500 que podrían ayudar al negocio.
  • La tecnología no tiene que estar expuesta (mantenga la complejidad tras bambalinas): Las organizaciones no deberían ser reticentes a explorar nuevas tecnologías y experimentar con sus datos para mejorar la efectividad de sus análisis para los procesos clave de toma de decisiones.
  • Tome decisiones más rápidas para beneficios más rápidos: Es importante que los negocios sientan, analicen, interpreten y actúen rápidamente a partir de la información de los datos, pues las ventajas competitivas seguramente serán más volátiles en el mundo hipercompetitivo de la actualidad.

© 2015Harvard Business School Publishing Corp.

De: hbr.org

Distribuido por: The New York Times Syndicate.

Beware the Analytics Bottleneck

Within the next three years there will be over 20 billion connected devices that can empower digital enterprises – or intimidate them. With the pace of digital “always on” innovation accelerating, one might think technology would continue to pose a challenge for businesses. Historically, new technologies – while enabling organizations to pursue new goals – have become bottlenecks to progress. This has been due to constraints like lengthy implementation processes and an inflexibility to adapt as business conditions change.

But that isn’t the case today. There is a new, even more elusive bottleneck: the organization itself and its inability to adopt big data and analytics capabilities.

Based on our work with clients in a variety of industries, from financial services to energy, we’ve come up with three rules for avoiding this bottleneck and effectively embracing today’s analytics opportunities:

DON’T BE OVERWHELMED – START SLOWER TO GO FASTER. To avoid getting overwhelmed by all the data and the possible opportunities they may uncover, companies should slow down and concentrate on the things that matter. It’s much easier to focus on resolving five issues that could truly make a difference than on 500 issues that might help the business. Once this short list of focus areas is determined, organizations can more effectively chase their desired outcomes by doubling down on their analytics efforts in data automation.

TECHNOLOGY DOESN’T HAVE TO BE EXPOSED (KEEP THE COMPLEXITY BEHIND THE CURTAIN). Organizations shouldn’t be reticent to explore new technologies and experiment with their data to improve the effectiveness of their analytics insights for key decision processes. Machine learning, or the growing set of data discovery and analysis tools used to uncover hidden insights, is a sophisticated technology that can do just this. Machine learning techniques can help companies to: learn from past behavior and predict the behavior of new customers (e.g., models that predict consumer default risk), segment consumer behavior in an optimized, market friendly fashion (e.g., customer lifestyle models created from geolocation data on cellphones), and conduct crowd simulation models in which each customer’s response to a reward is modeled.

MAKE FASTER DECISIONS FOR FASTER REWARDS: It’s important for businesses to sense, analyze, interpret and act fast on data insights, as competitive advantages will likely be more fleeting in today’s hypercompetitive world. With this, we are seeing a fundamental shift in strategic decision-making that is powered by big data discovery, a capability that accelerates the time to insight.

As an example, a large bank used a data discovery capability to gain deeper insight into its customer experience strategy and understand why there was a drop in customer satisfaction. The data discovery analysis took weeks instead of months: A team of data scientists, functional experts and business analysts worked to tag, filter and find correlations in the data and determine how it varied across different customer segments. The analytics team discovered that the bank’s most affluent customer segments were the most digitally savvy, and that they were dissatisfied with the bank’s digital experience. The bank originally thought that service fees were the issue, and while they were a problem to some degree for all customers, the fees weren’t the most important issue for the most profitable customers. As a result, the bank changed its customer experience strategy by enabling wealth advisers to connect with customers digitally.

Data is going to keep growing, with technology options following the same trajectory – and organizations have no choice but to embrace this new digital reality. By applying the power of analytics techniques such as machine learning, a firm can make smarter, faster decisions and actively disrupt its industry.

(Brian McCarthy is the managing director of information and analytics strategy for Accenture Analytics.)

© 2014 Harvard Business School Publishing Corp.

¿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”.

print

Comments are closed.