L

os líderes empresariales se ven sometidos a una gran presión para aumentar las capacidades analíticas y de datos de sus empresas (y hacerlo rápido), o corren el riesgo de quedar rezagados frente a competidores más avanzados en el uso de datos.

Pero ¿qué significa realmente tener éxito en este ámbito? ¿Cómo deberían medirlo las empresas?

Los indicadores que caracterizan el éxito de la transformación digital han evolucionado desde hace unos años. En una encuesta realizada por Gartner en 2018 a líderes de datos y analítica (D&A) y directores digitales (CDOs), los encuestados clasificaron tres actividades clave internas de la empresa como las más importantes para lograr el éxito en datos y analítica: crear una cultura impulsada por los datos, adoptar capacidades analíticas avanzadas y emplear una estrategia de implementación de datos y análisis bien desarrollada. Pero cuando Gartner realizó la versión 2022 de esta encuesta, los encuestados informaron que su principal prioridad ahora se centraba en el mercado externo: estas inversiones deben crear valor empresarial al ayudar a la compañía a alcanzar sus objetivos de crecimiento. Esta evolución del interés y el cambio de prioridad hacia el rendimiento y la rendición de cuentas en datos y analítica es una progresión natural destinada a responder a la pregunta “¿y qué?”

Una pregunta crítica para las empresas que están atravesando transformaciones digitales es: ¿Cómo y dónde contribuyen las inversiones en nuevas y mejoradas capacidades analíticas y de datos a beneficios empresariales tangibles como la rentabilidad y el crecimiento? ¿Deberían invertir en talento? ¿Tecnología? ¿Cultura? Según nuestra investigación, que mide el impacto del desarrollo analítico en los indicadores clave de rendimiento empresarial, el camino hacia la creación de valor real es matizado y no tan directo. No solo importa el nivel de analítica, sino también qué tan alineadas están las capacidades de análisis con los objetivos empresariales.

Cómo crean valor las empresas con la analítica

Para investigar el impacto de la alineación en la analítica sobre el rendimiento empresarial, encuestamos a 323 empresas que están atravesando transformaciones en datos y analítica (143 de estas compañías tenían sede en EE. UU. y 180 en India). Las compañías participantes representaban una variedad de sectores, incluidos telecomunicaciones, salud, energía, bienes de consumo, automotriz, logística, y servicios profesionales y financieros. El 43% de las empresas tenía ventas anuales superiores a los 100 millones de dólares, y otro 20% superaba los mil millones de dólares.

Para entender el impacto de estar alineados en el nivel de rendimiento empresarial, encuestamos a díadas de dos personas (un ejecutivo y un responsable de análisis de datos) de cada una de las 323 compañías. Fuimos intencionales en elegir y comparar la perspectiva estratégica “en la nube” del ejecutivo sénior con el punto de vista operativo “en el terreno” del analista de datos.

A los altos ejecutivos se les hicieron preguntas sobre las capacidades actuales de análisis de datos de sus empresas y el nivel de madurez de los datos (bajo, medio o alto). También se les pidió que compararan el rendimiento de su empresa con el de sus principales competidores en ocho KPIs, utilizando una escala de cinco puntos. Tres KPIs eran medidas de crecimiento: crecimiento de participación de mercado, crecimiento de ventas y crecimiento de utilidades. Dos eran métricas financieras: ingresos y rentabilidad. Y tres eran resultados centrados en el cliente: adquisición de clientes, retención de clientes y satisfacción del cliente.

Los gerentes operativos de datos respondieron a la pregunta sobre el nivel de madurez de los datos (bajo, medio o alto).

Lo que descubrimos

La pregunta de la encuesta completada tanto por los líderes sénior como por los gerentes de datos sobre el nivel actual de capacidades de datos de su empresa (baja, media o alta madurez, definidas más abajo) fue fundamental para nuestro análisis.

Las empresas eligieron un nivel bajo de madurez si realizaban la compilación manual de informes de datos, informes de datos no estandarizados, silos de datos y falta de una difusión sistemática en toda la organización. En las empresas que eligieron un nivel medio de madurez, los datos se recopilaban y analizaban de manera más deliberada, con informes estandarizados compartidos en una plataforma de toda la organización. Los datos y la analítica comenzaron a desempeñar un papel directo en la toma de decisiones empresariales clave. En los niveles de madurez más altos, las empresas usaban los informes de datos como base para todos los procesos y la toma de decisiones. En estas organizaciones, no se tomaba ninguna decisión sin recurrir a los datos e insights apropiados.

En nuestros hallazgos, descubrimos una tendencia sorprendente. Como era de esperarse, observamos una mejora en todos los KPIs a medida que las empresas avanzaban en el espectro de madurez de datos. El retorno de la inversión en talento y tecnología dio sólidos dividendos al inicio del camino en datos y analítica de una empresa: las compañías que pasaban de madurez baja a media disfrutaban de mejoras de un solo dígito tanto en los KPIs de crecimiento (8.7%) como en los KPIs financieros (8.9%), y casi de dos dígitos (9.9%) en los KPIs relacionados con el cliente. Sin embargo, los beneficios de inversiones adicionales disminuían a medida que las empresas superaban el nivel medio de madurez de datos.

De hecho, a medida que las empresas superaban el nivel medio de madurez y alcanzaban niveles elevados de capacidades de datos y análisis, sus resultados empresariales en todas las categorías de indicadores clave de rendimiento, aunque seguían siendo positivos, descendían considerablemente con respecto a los niveles máximos observados en las empresas de nivel medio.

Al profundizar más en los resultados, encontramos implicaciones importantes y matizadas para las empresas que están atravesando o considerando transformaciones en el análisis de datos. Cuando tomamos en cuenta las diferencias en “alineación de madurez de datos” entre los líderes sénior y los analistas de datos dentro de una misma organización, obtuvimos una imagen aún más clara sobre las diferencias en rendimiento en las tres categorías de KPIs.

Las empresas desalineadas

Las empresas situadas en el extremo inferior de madurez de datos obtienen beneficios en el rendimiento empresarial cuando invierten en mejorar sus capacidades hacia un nivel medio de madurez, a pesar de estar desalineadas internamente. Sin embargo, cualquier ganancia en los KPIs desaparece (y de hecho cae en terreno negativo) cuando los esfuerzos de transformación de datos de las empresas desalineadas avanzan del nivel medio al alto de madurez de datos.

La transición de una madurez media a una alta parece ser un abismo, ya que este salto requiere más que inversión en talento, herramientas y tecnología de datos y analítica. Para cruzar con éxito esta brecha, las empresas deben tener habilidades no solo en competencias analíticas, sino también y, lo que es más importante, estar alineadas internamente con su nivel de madurez de datos.

Las empresas alineadas

La alineación dentro de la empresa genera KPIs positivos en cada etapa de transición de madurez de datos, particularmente al pasar de capacidades medias a altas. Cuando están alineadas, las empresas se benefician de mejoras constantes y sostenidas en los resultados empresariales a medida que avanzan del nivel medio al alto de madurez de datos.

Alinear la organización

Nuestros resultados muestran claramente que, si bien un nivel básico de analítica puede ser suficiente cuando las empresas aún están en el rango de baja a media madurez de datos, se vuelve insuficiente y la alineación en capacidades analíticas surge como un factor necesario en la etapa de madurez de datos de media a alta si las empresas desean cosechar los beneficios de invertir en analítica.

Mientras las empresas de todos los sectores se esfuerzan por centrarse más en la analítica y lograr la superioridad de los datos y el análisis, nuestros hallazgos cuentan una historia clara y convincente que los líderes empresariales deben atender con mayor atención. Comprender la interacción entre la alineación y el nivel de madurez de los datos puede ayudar a las empresas a impulsar y mantener su rendimiento en los resultados relacionados con el crecimiento, las finanzas y el cliente.

L

os roles tecnológicos a nivel ejecutivo han proliferado en las últimas décadas. Los directores de información (CIO, por sus siglas en inglés) aparecieron por primera vez a principios de la década de 1980. Luego, los directores de tecnología (CTO, por sus siglas en inglés) se volvieron comunes en las empresas de alta tecnología y, posteriormente, se extendieron a otros tipos de negocios. A estos roles les siguieron los directores de seguridad de la información (CISO, por sus siglas en inglés), directores de datos (CDO, por sus siglas en inglés), directores de análisis (CAO, por sus siglas en inglés) y directores digitales (CDO, por sus siglas en inglés). Más recientemente, han aparecido los directores de inteligencia artificial (CAIO, por sus siglas en inglés), cuyo número ha aumentado considerablemente con el auge de la IA generativa en los últimos años.

Si bien la creación de estos roles refleja la creciente importancia de la tecnología en los negocios, una variedad tan vertiginosa de líderes tecnológicos también puede generar confusión.

Un estudio reciente, patrocinado por Thoughtworks y el MIT Chief Data Officer/Information Quality Symposium, sugiere que este es un problema serio. En una encuesta realizada a 266 líderes tecnológicos y de datos, más de 4 de cada 5 informaron que en sus organizaciones hay confusión respecto a las funciones de los distintos grupos tecnológicos, a dónde dirigirse para obtener servicios, y cuestiones relacionadas con los datos y la tecnología. Sólo el 12% afirmó no tener ninguna confusión.

A medida que más organizaciones buscan integrar los datos y la IA en sus operaciones, esta confusión puede estar teniendo un impacto negativo. Las personas en roles de liderazgo a menudo no tienen claridad sobre sus propias responsabilidades en relación con otros líderes tecnológicos: el 30% de los líderes encuestados dijeron que carecen de claridad sobre cómo su rol se relaciona con otros puestos de liderazgo en tecnología y datos.

Por supuesto, existen muchos desafíos que dificultan el éxito de los objetivos relacionados con los datos: la preparación del personal, la política organizacional, la difusión de responsabilidades (estrechamente relacionada con las estructuras organizativas superpuestas en algunas empresas), los presupuestos o restricciones financieras, la preparación tecnológica y el tiempo (o simplemente la paciencia limitada). Para hacer frente a todos estos desafíos será necesario un liderazgo claro y decidido, y un amplio mandato de cambio.

Sin embargo, en este estudio descubrimos que algunas organizaciones están reconociendo las desventajas de la proliferación de roles a nivel ejecutivo. Para abordar este problema, han comenzado a consolidar los puestos de liderazgo en tecnología y datos. (Nos referimos a ellos como líderes «SuperTech», aunque es importante señalar que existen variaciones en los títulos y funciones específicas según la organización).

Estos individuos son conocidos principalmente como directores de información (CIO), pero suelen tener una amplia responsabilidad sobre las funciones de datos y tecnología. Establecer roles de liderazgo SuperTech aportará claridad y responsabilidad a las iniciativas de transformación digital de las organizaciones.

El auge del líder SuperTech

¿Qué habilidades debe tener un líder tecnológico consolidado? Los participantes de la encuesta identificaron el liderazgo general y las relaciones con los altos ejecutivos (85%) y la estrategia y visión empresarial (82%) como los aspectos más importantes. La estrategia y visión tecnológica (72%) fue considerada algo menos prioritaria. En cambio, las habilidades relacionadas con la gestión de empleados dentro de la función tecnológica combinada (38%) y la ejecución tecnológica (35%) se consideraron sustancialmente menos importantes. En otras palabras, los líderes SuperTech deben estar muy orientados a los negocios, con una base técnica.

Por ejemplo, Shamin Mohammad, director de información y tecnología en CarMax, nos dijo: “Para ser eficaz como líder tecnológico, debo ser un líder empresarial. Trabajo codo a codo con el director de marketing y el director de operaciones (estamos totalmente alineados), y luego con el director financiero, el director ejecutivo y la junta directiva. La ejecución es un requisito básico. Debe cumplirse (ni siquiera es un tema de debate). Es más importante que un líder tecnológico sea un líder empresarial, que comprenda lo que está ocurriendo en la industria y que pueda anticipar hacia dónde se dirige para poder habilitarla con tecnología y lograr que el resto de la organización se sume». Temas como “mantener las operaciones funcionando”, renovar la infraestructura técnica o hacer frente a las amenazas de ciberseguridad son importantes, pero no su enfoque principal; sus subordinados directos se encargarán de estos aspectos.

Sean McCormack, un líder SuperTech en la empresa de transporte escolar First Student, señaló: “Si usted no es un ejecutivo de TI orientado al valor y la innovación, no funcionará para supervisar la innovación tecnológica, el análisis y la IA. Si todo lo que ha hecho es implementar paquetes tecnológicos, no tendrá éxito en un rol más amplio”.

Sebastian Klapdor, hasta hace poco jefe de tecnología, datos y análisis en la empresa de servicios de marketing Vista, comentó que una fuerte orientación al valor empresarial es clave para que se le asignen múltiples funciones relacionadas con tecnología y datos. Cuando dirigía el área de datos y análisis de la empresa, se centró en gran medida en lograr un valor medible a través de productos de datos exitosos. En una entrevista, mencionó que cree que este fue un factor clave en su posterior nombramiento como director de tecnología.

Disidentes de este modelo

No todos los ejecutivos de tecnología y datos creen que una organización integrada con un líder SuperTech sea una buena idea. En entrevistas, escuchamos algunas objeciones basadas en características individuales de los líderes, así como argumentos de tipo más estructural.

Varios líderes de datos nos dijeron que no estarían interesados en reportar a un director de información cuyo enfoque principal sea la infraestructura y el mantenimiento de operaciones, en lugar de impulsar un cambio empresarial significativo. Otros líderes expresaron preocupaciones diferentes respecto a un rol integrado. Scott Hallworth, director de datos y análisis en Hewlett-Packard, fue codirector interino de información en HP durante gran parte de 2023. Su preocupación con un rol completamente integrado (particularmente la combinación de director digital y director de información) es que fusionar estas funciones eliminaría el control sobre las decisiones importantes dentro de la empresa.

Por supuesto, las fortalezas y debilidades de las estructuras organizativas dependen de cada empresa y de las personas que ocupan estos roles. Es posible que una estructura particular y un líder en tecnología y datos funcionen mejor o peor según las circunstancias organizacionales y los individuos involucrados.

Acciones para el futuro

La acción más evidente que las organizaciones pueden tomar para abordar estos problemas es crear un rol integrado de liderazgo en tecnología y datos con un ejecutivo efectivo y orientado al negocio. A juzgar por nuestras entrevistas, muchas organizaciones ya han dado este paso y parecen haber tenido éxito.

Si por alguna razón esto no es posible, existen otras formas de abordar los problemas señalados en este estudio. Una opción es crear una mayor claridad en los roles de los líderes tecnológicos y de datos a nivel ejecutivo, y comunicar estas diferencias de manera efectiva a los clientes internos. Otra estrategia es fomentar una mayor colaboración entre estos líderes, lo que puede conducir a proyectos conjuntos y mayores niveles de éxito en su ejecución.

Hoy en día, las organizaciones utilizan una gran variedad de tecnologías y aplicaciones, tanto conocidas como emergentes. Hay momentos en los que se necesitan especialistas en determinadas tecnologías o en su gestión. Sin embargo, creemos que la tendencia hacia la tecnología especializada y los líderes en datos ha ido demasiado lejos. Se necesita una mayor coordinación e integración, y los líderes SuperTech con una fuerte conexión con el negocio pueden ayudar a que la tecnología de la información sea un recurso empresarial más eficaz.