No se discute que la inteligencia empresarial -incluida la IA y el ML de la IA- ha aportado profundas ventajas a las operaciones de la empresa, impactando positivamente en casi todas las unidades de negocio.
Pero tampoco se puede discutir que el BI no siempre se implementa teniendo en cuenta al usuario de la empresa y/o al consumidor final. Esto significa que el retorno de la inversión prometido en esas implantaciones de BI puede verse comprometido.
La buena noticia es que la mayoría de estos retos pueden ser solucionados. Hoy en día, los conocimientos de BI son demasiado difíciles de dominar para la mayoría de los gerentes de LOB.
En los primeros días del BI, el objetivo era el autoservicio. Los entusiastas del BI querían sacar a los informáticos y a los analistas de datos de la ecuación en la medida de lo posible, y permitir a los usuarios finales -que supuestamente entendían el negocio mucho mejor- que hicieran sus propios cálculos de datos. Era una gran idea entonces y lo sigue siendo hoy.
Los humanos son emocionales
Dicho esto, las empresas están pobladas de seres humanos -para bien o para mal- y eso hace que entren en juego las emociones, los miedos y la irracionalidad, tanto de los informáticos como de los usuarios finales. Sin embargo, hay algunas formas sencillas de reducir la fricción y obtener esos resultados más sólidos.
El problema es que las herramientas iniciales eran sofisticadas y, desde la perspectiva del usuario final, demasiado complejas. En un entorno ideal, la persona que realiza las consultas es experta en el negocio, los datos, hasta dónde puede y no puede llegar la analítica, así como las formas más eficaces y eficientes de estructurar las consultas.
En un entorno empresarial realista, hay muy pocas personas -si es que hay alguna- con toda esa experiencia y conocimientos. Existe la posibilidad teórica de una amplia formación, ya sea formando a los informáticos y a los analistas de datos para que comprendan íntimamente todos los rincones de la empresa o formando a los operarios de la LOB para que comprendan el negocio de la analítica y lo que tienen y lo que no tienen sus bases de datos.
¿Cuánta formación es práctica?
El mejor camino es hacer que el software sea más accesible para las empresas. Reducida a lo básico, la analítica suele ser poco más que la respuesta a las preguntas que el ejecutivo de la LOB necesita para dirigir mejor el negocio. Esto refleja alrededor del 80 por ciento de las consultas de la LOB. Esas son las más fáciles.
El otro 20 por ciento necesita mucha más investigación, saltos de conocimiento y, a menudo, un matemático experto. Si no decimos que hay preguntas difíciles que vale la pena responder con especialistas, esos especialistas nos machacarán por "no entender".
La mayoría de estas preguntas simplemente no son tan complicadas. ¿Por qué están bajando los costes? ¿Por qué esta geografía está perdiendo clientes de repente? ¿Qué tenemos que cambiar para aumentar nuestro margen en un 15% y cuál es la mejor ruta para hacerlo?
Muchos de estos directivos de la LOB saben exactamente lo que quieren que se les responda. Lo que no saben es cómo preguntarlo adecuadamente, en el sentido de que lo expresan en lenguaje de base de datos o incluso en términos que existen en un repositorio de datos en algún lugar.
Esos gestores empresariales saben cómo expresar su pregunta en lenguaje empresarial, pero lo que no saben es cómo expresarla en lenguaje de base de datos. El software suele insistir en que el enunciado sea en términos que existan en algún repositorio de datos.
Luego están los propios problemas de datos. Los directivos de las empresas rara vez saben qué datos guarda actualmente la empresa y cómo extraer las respuestas necesarias.
Las empresas tienen que llevar los datos a esos trabajadores del conocimiento, integrados en un contexto familiar que ofrezca información relevante donde más se necesita. Estas capacidades no deben situarse en un entorno aislado que resulte desconocido para estos ejecutivos de la empresa. Por el contrario, deben integrarse perfectamente en las herramientas que ya utilizan, como una herramienta de flujo de trabajo, ERP, Excel o PowerPoint.
Muchas empresas ya están tratando de hacerlo, pero no funciona porque las respuestas que reciben ofrecen datos, pero no perspectivas procesables o el contexto de desglose que permite la creación de dichas perspectivas. Las aplicaciones traen los datos -los flujos de datos- en una forma muy difícil de navegar para el trabajador medio.
1. El departamento de TI tiene que dejar de intentar gobernar los datos por miedo a que se les culpe de los errores
Los equipos de TI y de datos se acercan al nerviosismo y a la paranoia cuando se trata de dar a los usuarios finales de la LOB acceso a todos los datos. El temor es que, cuando los usuarios finales hagan preguntas o consulten datos equivocados y, como es lógico, obtengan respuestas erróneas o irrelevantes, se culpe a TI. "Es evidente que nuestros datos no estaban limpios", podría quejarse un usuario final. A lo que TI y los datos responden: "Cuando se equivocan, nos culpan a nosotros".
Esto apunta de nuevo a la necesidad de que las interfaces sean lo más intuitivas posible. Ocultar la complejidad, revelar las respuestas y permitir que los usuarios expliquen cómo han llegado a sus conclusiones. Hay mejores formas de dirigir una empresa que enseñar a todos a ser estadísticos.
2. Utilice los KPI de forma que sean mucho más procesables.
Utilice los KPI para proyectar los resultados y sugerir correcciones del cursoDigamos que el objetivo del proyecto es mejorar la productividad en un grupo de trabajo. Los análisis podrían informar de que un empleado es un 40% menos productivo que varios compañeros.
Ese detalle, aunque interesante, puede no ayudar a cambiar el comportamiento para mejorar la productividad. Pero, ¿qué pasaría si el informe indicara a ese empleado los hábitos de trabajo y comportamientos específicos que comparten los empleados más productivos del grupo? Eso le da a ese empleado una forma concreta y procesable de mejorar la productividad.
3. Acepte el cambio
Nada en la ecuación de la analítica permanece igual.
Los datos
Los propios datos cambian en dos direcciones. Los equipos de datos y de TI siempre están ideando nuevas formas -a menudo junto con el marketing- de recopilar información sobre los clientes, los clientes potenciales y cualquier otro aspecto de las operaciones empresariales. Eso significa muchos más datos.
Al mismo tiempo, los responsables de cumplimiento y ciberseguridad intentan eliminar la mayor cantidad de datos posible, para que la empresa conserve sólo lo que realmente necesita. Cuantos menos datos se conserven, menos podrán ser robados, argumenta la oficina del CISO. Cuantos menos datos se conserven, menos dolores de cabeza con el derecho al olvido del GDPR y otros problemas de cumplimiento y privacidad legal, argumenta el departamento de cumplimiento y legal. Eso significa muchos menos datos.
Luego está la naturaleza de los datos, que también cambia constantemente.
La analítica
Al igual que cualquier otro software, las nuevas versiones -así como las aplicaciones completamente nuevas- se materializan constantemente. Esto significa que el tipo de información que se puede obtener también cambia constantemente.
El negocio
Con la adquisición de nuevas unidades de negocio y la venta de otras, con la entrada y salida de zonas geográficas, con las sedes remotas, con la expansión de la nube, con el aumento/disminución del uso de contratistas... nada de las preguntas a las que hay que dar respuesta es estático.
Esto significa que los ejecutivos deben planificar para lo que tienen ahora, pero también planificar para que esos requisitos cambien y evolucionen con poco o ningún aviso. El panorama de los datos siempre cambiará.
El problema de la inteligencia empresarial continuará hasta que la interfaz y el resultado del software se vuelvan a concebir con un enfoque en el usuario final. Para que el BI sea útil para los LOB, los desarrolladores deben hacer que sus respuestas sean útiles y procesables para ellos.
Artículo traducido y adaptado de Tech Crunch