Los conceptos de Big Data, Business Analytics y Business Intelligence se han instalado con fuerza en un creciente número de organizaciones con la esperanza de producir y explotar nuevo conocimiento de clientes, operaciones o mercados. Si bien la necesidad de acercarlos a las compañías tiene directa relación con las estrategias de negocio, debemos reconocer que su incorporación se fundamenta por las posibilidades infinitas que la evolución de la tecnología provee.
El resultado que se obtenga de las inversiones e innovaciones tecnológicas dependerá, en gran medida, del alineamiento que se logre ejecutar entre el diseño e implementación de sistemas y las Tecnologías de Información apropiados -que captan, almacenan, procesan, recuperan, distribuyen y protegen datos-, con las reglas del negocio y los objetivos de la gestión de conocimiento. Esto permitirá capitalizar con eficiencia la inversión en las organizaciones.
Cuando la tecnología y el negocio no están alineados surgen muchas preguntas a las que soluciones genéricas o estandarizadas responden de manera insuficiente, evitando materializar el valor potencial de la organización.
Alineamiento de recursos
Las tecnologías evolucionan con patrones de desarrollo exponenciales, tanto en capacidad como en funcionalidades. En tanto, los modelos de negocio promueven la transformación digital de procesos clave. El alineamiento debe resolver los puntos de encuentro entre ambos, que permitan que el modelo de negocio pueda capitalizar los beneficios de la acumulación y el procesamiento de datos.
A pesar de que es evidente y lógica la idea de alinear los recursos, el desafío por conseguirlo no ha sido cabalmente resuelto. Lentamente, los proyectos de implementación tecnológica, que apuntan a construir las capacidades técnicas necesarias para almacenar y explotar datos en las organizaciones, han utilizado distintas metodologías de gestión de proyectos, pudiéndose identificar buenas prácticas. La academia ha aportado también modelos de alineamiento para armonizar las estrategias de negocio con las Tecnologías de Información.
El principal problema de las organizaciones es que para alinear proyectos de sistemas y modelos de negocio no hay un patrón estándar, sino que se requiere elaborar un traje a la medida. Para esto, hay dos aspectos que son claves: se debe aplicar un poco de “arte” en el diseño y planificación del proyecto, y tener mucha disciplina para su monitoreo y ejecución. En el caso de proyectos asociados a la captura, almacenamiento y explotación de datos, un alto porcentaje de estos define entre sus objetivos y metas “automatizar la captura de datos”, “integrar por interface distintas bases de datos”, o “desarrollar un software para analizar a clientes/operaciones”, a lo que se suma una larga lista de requerimientos técnicos referidos a compatibilidad, escalabilidad, eficiencia y capacidad de plataformas, por mencionar algunas que deben cumplirse con un presupuesto y plazo acotados. Todo esto va en la dirección correcta para concretar un proyecto y, de hecho, la especificación de requerimientos técnicos es una condición muy necesaria, pero es un error pensar que ya con esto basta. Nunca es suficiente para cosechar los beneficios del Big Data, Business Intelligence o Analytics. Sería miope intentar agregar valor a una organización a través de la sola implementación de un software o de la construcción de potentes almacenes de datos.
Del mismo modo, es incorrecto que las organizaciones definan un proyecto de esta naturaleza a partir de los términos ejemplificados, ya que ninguno de ellos se refiere a la agregación de valor de la compañía. Un aspecto clave en este aspecto es responder las preguntas correctas y en la secuencia adecuada, iniciando siempre desde el punto de vista estratégico del modelo de negocio.
Gestión de datos
Para definir, diseñar y ejecutar proyectos de gestión de datos, en una primera etapa, se debe entender por qué en un modelo de negocio en particular se necesita gestionar datos. Por esto, las organizaciones deben preguntarse: ¿es estratégico para el negocio?, ¿se utilizan datos del “core business”? Además, se debe plantear si una mejor gestión de datos ¿es un elemento diferenciador en la industria?, ¿cuáles son los datos que necesitamos obtener y procesar para agregar valor a nuestro modelo de negocio?, ¿en qué tipos de beneficios se podrán verificar los resultados del Big Data/Business Intelligence/ Business Analytics?
Estas son algunas preguntas básicas que tienen que ser respondidas con mucha claridad y convicción por la organización antes de que tome la decisión de invertir recursos y esfuerzos en la adquisición de nuevos soportes tecnológicos, que ayuden a mejorar la gestión de datos, información y conocimiento.
Paralelamente, se debe tener claro cuáles son las necesidades, problemas u oportunidades de negocio que podrían satisfacerse con herramientas, plataformas o aplicaciones disponibles en un mercado que crece y evoluciona rápidamente, pero en el que se logra implementar muy pocas de ellas. Entonces ¿cómo elegir la(s) adecuada(s)?
Si se logra responder de manera positiva a la mayoría de estas interrogantes, las organizaciones podrán entender la importancia de utilizar el Big Data y la gestión de los datos, lo que entrega un valor agregado a las organizaciones. En una segunda etapa, debemos responder cuestiones prácticas, complementando la visión de negocio con un enfoque de procesos de negocio y de usuarios de la información. Por ejemplo, se debe especificar el alcance del proyecto para la intervención tecnológica con el objetivo de poder incluir o excluir procesos, fuentes, usuarios y sistemas en uso en el nuevo esquema que pretende entregar un valor agregado, a partir de la explotación de datos.
Al mismo tiempo, es necesario definir los datos que se trabajarán, pues aunque la tecnología permite capturar muchos datos, no es necesariamente correcto guardar todo lo digitalizado. En este sentido, deben aplicarse criterios de eficiencia en el tratamiento de los datos, pese a que la capacidad de almacenamiento y procesamiento pudiera parecer infinita. La organización se puede ahogar en un mar de datos y terminar procesando aquellos de tipo ‘ruido’, basura, cuyo procesamiento resulta más costoso. Se debe descubrir cuáles datos pueden ser útiles para agregar valor.
Tras pasar por estas etapas, hay que analizar el tipo de información que se obtendrá, luego de procesar los datos. En este ámbito, se deben plantear dos preguntas claves: ¿Qué decisiones estratégicas/operacionales pueden mejorar al disponer de nuevos reportes? y ¿qué tipos de usuarios accederán a la información privada/sensible de la compañía?
Teniendo claridad estratégica, visión de negocio y perspectivas de procesos y usuarios, se podrán volver a plantear las preguntas más técnicas, que tienen relación con las tecnologías con las cuales se busca explotar la calidad de los datos y obtener valor agregado de ellos.
