De los Datos y su Importancia

El éxito de las gerencias, siempre, ha estado determinado por la información que esté disponible a la hora de tomar decisiones. Ayer, eran los reportes, informes, cartas, mitos, diversas historias. etc. Hoy son los correos electrónicos y las variadas redes sociales. Pero en el inmediato futuro, una gerencia ser más exitosa que otra si tiene en su haber información proveniente del adecuado manejo de sus datos.

En el año 2006, el matemático Clive Humby dijo: "Los datos, son el nuevo petróleo". Más recientemente en el año 2017 la revista THE ECONOMIST publicó un artículo titulado "El recurso más valioso ya no es el petróleo, sino los datos". Los datos son a una organización, como los glóbulos rojos de un organismo, fluyen por él y lo mantienen dinámico y vivo. Son hoy un componente fundamental en cualquier proceso de Transformación Digital, que es como se ha denominado a los procesos internos de evolución cultural en las empresas, para responder a los retos que trae la cuarta revolución industrial.

Un dato es una pieza concreta de información acerca de un suceso. Normalmente, son mostrados para su comprensión de forma tabular. El imaginario más común es una tabla de excel, cuya fila registra un evento y en las columnas los detalles del mismo. Más adelante, cuando se deban hacer ejercicios de analítica, las columnas serán llamadas variables o parámetros. 

El siguiente ejemplo, muy simple por efectos didácticos, que ilustra la importancia del manejo adecuado de datos, en una empresa de mantenimiento. Aunque encontramos 2 datos con 6 parámetros, en la realidad, deberán haber decenas de miles sino millones más.

Tabla 1. Ejemplo de datos. Fuente: El autor.

Los detalles de cada evento, en este caso de cada falla, deben quedar adecuadamente registrados, de esta forma, si la organización decide hacer una agresiva campaña de costos, se pueden generar algoritmos y herramientas de automatización que mediante analítica estadística. Contribuyan a decisiones de mantenimiento más determinísticas y menos probabilísticas Adicionalmente y más importante, podría ofrecer a operaciones o a un cliente externo, estrategias de prevención, modos de reparación, vender programas de compra just-in-time de repuestos, en forma singular para cada equipo. Inclusive, otras informaciones muy importantes para la operación, como mantenibilidad esperada, disponibilidad esperada, confiabilidad esperada, variación en parámetros básicos de operación, etc. Es bien sabido que los equipos así sean del mismo modelo y trabajen en condiciones similares, su conducta operacional es diferente. Lo anterior conduciría a aumentar sustancialmente las probabilidades de éxito de los esfuerzos y uso de los presupuestos invertidos, incrementa su credibilidad, al tiempo que genera nuevas líneas de ingreso no operacional para la compañía.

Otro concepto importante en esto, el de metadato. Si un dato describe un evento, un metadato, describe al dato. Es decir, en el ejemplo anterior la línea del dato describe el evento, su dinámica, sin embargo, al registrarlo electrónicamente se puede saber en qué fecha fue capturado el dato, el punto geográfico mediante GPS y desde que terminal de computación se obtuvo, entre otras. Esto último puede ayudar a hacer análisis más profundos y por consiguiente las campañas y esfuerzos invertidos más productivos. También, puedo generar validaciones para verificar que los datos ingresados sean reales y creíbles, de lo contrario mis análisis carecerán del debido sustento técnico y por ende el dinero invertido en ejecución de estrategias no será usado a su mayor potencial.

Podríamos decir entonces, que los cambios que trae a la cuarta revolución industrial o Industria 4.0, induce a que las corporaciones sientan altos niveles de incertidumbre, sientan como si estuvieran conduciendo un auto a media noche. Y podríamos decir que la analítica de datos, son las luces delanteras que mejoran enormemente la visibilidad. Para nuestra metáfora, una analítica de datos adecuada, permite ver curvas pronunciadas en el camino, obstáculos y baches que se deben evitar, igualmente, como se están comportando otros vehículos en nuestro mismo camino (la competencia), y tal vez, hasta encontrar atajos que otros conductores no han visto.

Entender el manejo y la analítica de datos como herramienta poderosa para mejorar la competitividad no es un concepto nuevo, que si lo es, el moderno acceso y facilidad de analizar grandes cantidades de datos. Con seguridad se puede afirmar que con más detalles y registros se puedan obtener y analizar, más certeras y útiles serán las decisiones. De la misma forma, los recursos invertidos en proyectos bajo dichas estrategias serán más eficientes y más exitosos.

Hoy se puede decir que el mercado mundial ha despertado ya y ve la importancia de los datos, o mejor aún, está dispuesto a pagar por la inteligencia que salga de un correcto manejo de datos. De allí que las empresas de mayor capitalización en la década pasada no sean empresas en el sector hidrocarburos o automotriz, fueron Google, Amazon, Apple, empresas que ya han cruzado hitos importantes en sus proceso de transformación digital. En consecuencia, es importante revisar y entender las formas que existen de monetizar los datos

Monetizar los Datos en la era digital

La industria 4.0 es el cambio socio económico que demanda una transformación digital interna en las empresas. Esta transformación generará cambios profundos en las organizaciones. Para lograr definir un horizonte mejor al cual dirigirse con estos cambios y medir si estos son en realidad mejoras y no simplemente cambios, es necesario tener estrategias de adquisición, control, manejo y analítica de datos.

Como ya se dijo, en el 2006 Humby acuño la frase "Los datos son el nuevo petróleo" y en el 2017 la revista "THE ECONOMIST" recogió esta frase para explicar lo que ocurría en los mercados y la industria. Sin embargo, tal y como ocurre con el petróleo, su valor no existe mientras este bajo la tierra. Debe ser extraído, transportado y refinado. Así mismo, los insights son la nueva gasolina, es decir, el derivado más valioso y de mejor comercialización.

Empresas como Google, Netflix y Uber, tienen una ventaja respecto de las empresas tradicionales, esto porque las mismas fueron creadas sobre la base del manejo de datos. Mientras las existentes, deben evolucionar desde sus estructuras actuales y adaptarse a las nuevas formas de hacer negocios. Por ende, se deben generar Proyectos que desencadenen nuevas BAUs¹ en las organizaciones mejor adecuadas a responder a los nuevos retos impuestos por el mercado.

¹BAUs: Procesos normalizados en las empresas, Business As Usual

La monetización de los datos se da durante la cadena de valor en la que estos son extraídos, organizados y analizados. Al igual que con el petróleo, los datos pueden ser monetizados desde su estado crudo, hasta los momentos en los que han sido refinados. Por supuesto y como ocurre con la mayoría de productos, entre más hayan sido procesados, mayor es su precio de comercialización. En sus primeras fases, se paga por su recolección, por su validación y verificación. Más adelante, por su orden y selección, para posteriormente ser analizados y convertidos en información, hasta llegar a los insights y la forma más valiosa de estos, las proyecciones.

De los puntos más importantes a entender y el cual entrega un propósito al proceso evolutivo de una empresa para adaptarse a los mercados en la Industria 4.0, a ese proceso llamado Transformación Digital, es lograr una renta sobre la captura, control y procesamiento de datos. Es fundamental entender que los datos son dinero, pero a diferencia del dinero líquido, donde cada peso solo puede ser asignado a un proyecto, los datos pueden ser entregados a múltiples proyectos y que todos logren una forma de monetización a través de ellos.

El objetivo último de la gestión de datos es encontrar patrones de comportamiento o de conducta y con ello predecir mejor el futuro, con mejores niveles de precisión. Para lograrlo se deben usar métodos matemáticos un tanto complejos. La ciencia/arte de predecir eventos futuros, basados en datos históricos no es una novedad del siglo XXI. La estadística y la probabilística ya eran objeto de estudio en la era de oro del islam y su despegar se dio en el siglo XVII impulsado por Blaise Pascal.

Así pues, los medios cuantitativos para proyectar y conocer eventos futuros han sido estudiados y usados por diferentes disciplinas. Lo novedoso reside en el uso de la computación para hacerlo de forma más práctica, automática y más precisa. Es en la última década que los desarrollos tecnológicos enfocados a la captura y manejo de gigantescos volúmenes de datos, lo que ha dado origen al "BIG DATA".

ES el momento de postular 3 categorías de monetización de los datos en una empresa. La primera, VENDERLOS/ARRENDARLOS, PRODUCIR INSIGHTS y OTRAS FORMAS de monetización. Las categorías que se discutirán a continuación son presentadas a manera de estrategias, se ofrecen como aportes al lector para que pueda adaptarlas y encontrar sus propios esquemas de monetización de datos. 

VENDER/ARRENDAR DATOS: Una vez se haya construido un robusto ciclo de vida de los datos en mi empresa, aparece la viabilidad de convertir los mismos en un producto más de la empresa, que puede ser vendidos, dentro y fuera de mi cadena de valor.

Dentro de mi cadena de valor: Evidentemente, trata de cómo puedo monetizar mis datos a través de otros jugadores en mi industria, sin que necesariamente esté liberando información privilegiada que ayude a la competencia.

Imaginemos una empresa de fabricación de ascensores o elevadores, la cual lleva un acucioso control de datos sobre su proceso de fábrica. Haciendo la tarea de entender muy bien la vida media de su producto, a través de la trazabilidad y tiempo de uso de los componentes adquiridos. Bases de datos confiables que registran (Fabricante, fecha de instalación, fecha de primer uso, componente, etc). A través de ese control de datos se puede llegar a proyectar el tiempo esperado para ciertos modos de falla. Es decir, cuanto tiempo después de vendido e instalado un equipo, la polea X fallará. Este set de datos de calidad, cruzada con las bases de datos del área comercial, de la cual se puede saber dónde y hace cuánto está en funcionamiento una polea de esta naturaleza, constituyen un set de datos valiosos para una empresa dedicada al mantenimiento de elevadores.

Constituye una base de datos de clientes potenciales de mantenimiento, con la fecha y tipo de servicio que requiere. Por ende, el usuario de estos datos cuenta con gran probabilidad de éxito en la venta. Se hace evidente cómo, aunque no es un producto de la razón social del fabricante en nuestro ejemplo, sí es otra fuente de ingresos que no requiere demasiado esfuerzo en producir, una vez los sistemas de captura, control y procesamiento de datos han sido puestos en práctica.

El ejemplo, claramente ilustra como monetizar datos a través de su venta dentro de la misma cadena de valor a la cual se pertenece. No obstante, para generar estrategias y tácticas de esta naturaleza, es fundamental entender dónde estamos ubicados en la cadena y el negocio de los otros jugadores. Es decir, entender de ellos, sus productos, su oferta de valor, sus mensajes promocionales, quienes son sus clientes y como nuestros datos (crudos o procesados) pueden ayudarlos en sus objetivos estratégicos.

Fuera de mi cadena de valor: Entendiendo el esquema de monetización mediante la venta de datos dentro de mi cadena de valor, se hace casi intuitivo el concepto de venta de datos fuera de mi cadena de valor. Trata, por supuesto, de vender datos a organizaciones en otras industrias o al gobierno, lo cual se puede profundizar mediante un ejemplo.

Imaginemos una empresa que fabrica ropa y artículos deportivos. Con los avances en sensórica que nos ha traído la Industria 4.0, estas empresas ahora pueden incluir sensores remotos en sus prendas (zapatos, relojes, camisas, etc). Usando estos dispositivos, y aplicaciones móviles especializadas, la empresa puede capturar datos de comportamiento y salud de sus usuarios. Al cruzar datos de sueño, deporte, actividad, alimentación, entre otros, todos entregados voluntariamente por las personas, las vendedoras de estos artículos pueden generar perfiles demográficos de salud. Encontrando patrones comunes de personas saludables y no saludables.

Estos perfiles se convierten en insumo importante para empresas de seguros o en el sector salud, que deben calcular premiums para sus productos, manejando el riesgo que esto conlleva. Así pues, una empresa en el sector de modas encuentra una fuente de ingresos vendiendo datos, medianamente procesados, a empresas en industrias radicalmente lejanas a la suya propia.

PRODUCIR INSIGHTS: La producción de insights es la estrategia más compleja y de mayor renta para monetizar los datos de una empresa. Esta estrategia requiere de una mayor coordinación y confianza en el negocio. Así como de una imbatible voluntad gerencial de realizarla. Necesita de la implementación de proyectos para modificar los BAUs de la empresa y presionar su evolución. Por ende, es la mejor estrategia para mantener la ventaja competitiva de una corporación y alejarse de la obsolescencia.

En otras palabras, la data es capturada y procesada para generar mejores promesas de valor, mejores productos servicios. Idealmente, la data inspiraría estrategias para desarrolla ventajas competitivas.

Hay decisiones estratégicas que se toman en las empresas, las cuales provienen de la experiencia de personas, su trayectoria personal los empodera con datos valiosos mentalmente procesados y por ende, la probabilidad de tomar decisiones correctas aumenta. Sin embargo, el espacio para equivocaciones está sujeto a la experiencia de los profesionales con que cuente una organización. Por el contrario, un sistema robusto de captura, control y procesamiento de datos, generarán insights que son propiedad de la empresa. El sistema permite medir variaciones en el comportamiento de los indicadores, basados en las estrategias provenientes de los insights, comparados con las condiciones anteriores (ceteris paribus).

Insights fáciles de socializar y que potencian las capacidades de más profesionales en la organización, de grupos multidisciplinarios. Insights, que inspiran la creación de algoritmos de Aprendizaje automático (Machine Learning) para producir insightson-the-go, en “tiempo real” y mejorar la capacidad de toma de decisiones, acelerando la capacidad de reacción de una empresa, lo cual normalmente puede traer grandes ahorros.

OTRAS FORMAS: Se han definido otras formas de capitalizar sobre los datos de una empresa, son menos comunes aunque igual de válidas.

Vender información para producir insights: Una posibilidad es manejar datos para producir y ofrecer información. Dicha información se entrega al cliente a manera de dashboards, índices, resúmenes ejecutivos, etc, de una manera clara y veraz. Lo anterior, con el objetivo de que el cliente pueda generar sus propios insights y actuar sobre ellos. Normalmente, esta información es ofrecida como parte del producto normal, aumentando la propuesta de valor del oferente.

Valorizar la empresacon sus datos: Ya que los datos son dinero, las empresas que han adquirido mayor madurez en el manejo de datos, contabilizan estos en sus finanzas como un activo. Es decir, Facebook no estuvo dispuesto a pagar $22 b USD cuando compró WhatsApp, porque el modelo de negocio de mensajería instantánea fuese revolucionario o porque no sea capaz de replicar las funcionalidades de esta app. Facebook compró un set gigantesco de datos de individuos, imágenes y geo-posicionamiento ya ordenados y preparados para ser usados.

Mejorar procesos de marketing: Hacer análisis de plaza Vs Producto con data geo-temporal y optimizar el uso de presupuesto en canales de marketing.

Rastrear procesos internos: Ofrecer a los clientes la posibilidad de conocer el estatus de sus órdenes, como lo hacen los servicios de mensajería.

Se hace evidente que con los nuevos medios que facilitan la fase de captura de datos, como sensores, maquinas que se hablan entre ellas por internet y dispositivos móviles; así como la democratización del acceso a amplio poder computacional representado en “la nube”; el manejo responsable y determinado de datos es un factor protagónico en el éxito de las empresas. 

Sin embargo, las anteriores estrategias no funcionan si no son el resultado de adecuados procesos de adquisición, control, manejo y analítica de datos. Lo cual a su vez, solo puede ser logrado mediante el empleo de profesionales que puedan definir y conducir las estrategias de manejo de datos. Si los datos son dinero, de la misma forma que se contratan técnicos en finanzas y contabilidad, con más razón se deberían contratar personas para el trabajo en manejo de datos.

Autores:

Javier Leonardo Salas
Chief Data Officer, Bureau Veritas, North LATAM
Ingeniero Industrial, Máster en Mercadeo y Máster en Econometría

Alberto Salas Mejía
Consultor Independiente
Ingeniero Mecánico, Máster en Economía, Máster en Finanzas