A pesar de la prioridad que han brindado los Chief Information Officers al Data Analytics y su implementación en los últimos años, una reciente encuesta realizada por Gartner muestra que el 91% de las organizaciones aún están luchando con el análisis de data. CMS Wire comenta los problemas que se suelen afrontar en una estrategia de Data Analytics, en el presente artículo buscamos resumir los más importantes.

"La mayoría de las organizaciones deberían tener mejores resultados con el análisis de data, dado los beneficios potenciales. Las organizaciones con niveles de madurez alta disfrutan de una mayor agilidad, una mejor integración con socios y proveedores, y un uso más sencillo de las formas avanzadas de análisis predictivo y prescriptivo. Todo esto se traduce en ventaja competitiva y diferenciación.” - Nick Heudecker, Research VP @Gartner.

Los 5 problemas claves

(1) Cultura empresarial errónea: Una de las razones principales por la que las empresas no se han visto impulsadas por los datos es que no ha habido un cambio de ADN en su cultura empresarial. Si realmente se desea alcanzar niveles transformacionales de análisis de datos, las empresas deben pensar rápido y pequeño. Se debe alentar a los equipos a operar de esta manera y recompensarlos por cada iteración.

(2) Falta de visión, estrategia y liderazgo: No hay una solución única que pueda transformar mágicamente una organización. Es un largo viaje que implica un trabajo duro en varias dimensiones. Las organizaciones necesitan una visión coherente que describa claramente lo que quieren lograr a través del Data Analytics, una estrategia general sobre cómo van a realizar esa visión y un líder que pueda impulsar y ejecutar esa estrategia.

(3) Conexión entre Data y Negocio: Las organizaciones necesitan un buen puente entre el lado analítico y el lado del negocio."La oficina del CIO a menudo no está bien posicionada para desempeñar este papel. Los líderes de TI tienden a ser expertos en crear, almacenar y mover datos de manera eficiente mientras luchan contra problemas relacionados con el almacenamiento, la velocidad y la escala". El análisis de data es una función posterior que se activa después de que todos estos problemas centrales se abordan en un grado razonable. La mayoría de líderes de TI no están preparados para esto.

(4) No probar el valor en el negocio: Los Data Scientists a menudo luchan, o fallan, en cuantificar el valor generado en el negocio tras la implementación de soluciones analíticas. Esta es una razón importante por la que muchas soluciones y prototipos de prueba de concepto no se implementan como soluciones a escala empresarial.

(5) Pensar en grande. Sistemas vs. Consumidores: Cuando el líder de una organización pregunta "por qué estamos haciendo Data Analytics", no debería tener simplemente tener una mejor estrategia de almacenamiento de datos sino mirarlo desde una perspectiva del cliente. Por ejemplo, los líderes deben pensar mucho más acerca de cómo mejorar las métricas de negocios que impactan su propuesta valor al cliente.

¿Por qué es importante esto?

De acuerdo con los hallazgos de la encuesta realizada por Gartner la mayoría de las organizaciones aún no han alcanzado un nivel de madurez "transformacional" en datos y análisis. Además, descubrieron que las razones principales para implementar una estrategia de Data Analytics eran: proveer una mejor experiencia al cliente, la mejora en procesos y el desarrollo de nuevos productos.

Sin embargo, el análisis de data aún está en sus inicios, aún hay mucho por aprovechar para potenciar una organización y los early adopters de esta estrategia tendrán una gran ventaja frente a sus competidores. En pocos años será necesario que todos los miembros de una organización sepan leer y analizar grandes volúmenes de datos para la toma de decisiones (al menos a un nivel descriptivo) y esto ya no será responsabilidad exclusiva de áreas de Data.

Si quieres recibir más información sobre Business Skills y Mindsets para una Economía Digital suscríbete al Newsletter aquí.



Saludos!

KURIOS- Tech Business School

[email protected]


PD: artículo elaborado por Kurios, en parte con bases de artículo original de CMS Wire.