Hoy en día, la notoriedad del Business Intelligence en el mundo empresarial ha desatado la siguiente pregunta: ¿Cómo el Data Strategy impulsa el Growth de un negocio? ¿Cómo vínculo growth y Data Analytics? Normalmente, los proveedores de herramientas de BI ofrecen las mismas respuestas:
En la realidad, el área de Business Intelligence va más allá de generar más data, más dashboards y visualizations. De igual manera, llegar a la información más rápido no garantiza que la información sea correcta. Más rápido no es igual a mejor, es de los primeros pasos para víncular Growth y Data Analytics pero aún falta.
Abhijeet Sarka rescata en su artículo para Noteworthy, resultados sorprendentes que pueden surgir de este análisis entre Data y Growth: El Data Strategy podría estar impidiendo el Growth de tu negocio.
Todos los estudiantes de negocios conocen este gráfico. Por medio de este podemos ver las etapas de crecimiento de un negocio a través del tiempo.
Figura 1: Curva de crecimiento típica de la empresa a lo largo del tiempo.
Las etapas del crecimiento de negocio son:
(1) The Startup Phase: La compañía tiene solo unas pocas personas, de 1 a 3 empleados y algunos sistemas. El Growth y Data Analytics será lento y la toma de decisiones basada en Data usualmente toma la forma de hojas de cálculo ad-hoc.
(2) The Scale-Up Phase: La compañía tratar de escalar sus esfuerzos de producción y ventas y simplemente sacar el producto de la puerta. La gente está comprando tan rápido como estás produciendo, y te preocupas poco por las ineficiencias al saltar por encima de los baches en la carretera.
(3) The Enterprise Phase: Los años juveniles de crecimiento exponencial han llegado a su fin. Es inevitable, pero todas las empresas de alto rendimiento finalmente se asientan en un crecimiento sostenible. El crecimiento a lo largo del tiempo será lineal, en lugar de exponencial, y las ineficiencias desempeñarán un papel más importante en la desaceleración del crecimiento.
Para analizar el link entre el Growth y la Data Strategy, sería interesante ver otra curva que cuantificara la madurez a lo largo del tiempo del Data Strategy, superpuesta a la curva de Growth presentada anteriormente. Para realizar esto, primero se necesita una forma de medir la madurez del Data Strategy y luego trazar eso a lo largo del tiempo.
Hoy en día, las grandes empresas están combinando new data streams con data existente, aplicando Data Analytics para descubrir correlaciones, conexiones e insights difíciles de encontrar para tomar decisiones más rápidas y mejores. Esta gran innovación, también llamada Big Data, no es solo una tecnología. Se trata de procesos que buscan responder preguntas core del negocio y entregar valor.
Para llegar a entender el valor agregado que ofrece el Big Data, se necesita saber en qué etapa se encuentra uno en la madurez de la Data. Este proceso ayuda a las organizaciones a crear estructuras en torno a sus capacidades de Big Data e identificar dónde comenzar el cambio. La madurez es un proceso necesario porque la confianza en la información se construye a lo largo de ese camino. Rara vez vemos a los stakeholders dispuestos a aceptar predicciones analíticas más sofisticadas sin confiar en lo que ha sucedido y lo que está sucediendo en el negocio, según lo medido por los KPI regulares. Para resolver esto, Dell creó un modelo de madurez de data para trazar nuestra propia madurez empresarial.
Figura 2: Dell Data Maturity Model (DDMM)
Es más sencillo comprender este modelo, ilustrando los pains que siente una empresa justo antes de pasar de una etapa del DDMM a la siguiente.
Figura 3: Common Pains antes de la transición entre etapas del DDMM
¿Cuánto tiempo pasa una empresa en cada una de estas etapas de madurez de los datos y cuándo se produce una “transición” en relación con el crecimiento?
Definamos rápidamente una “transición” como una mejora paso a paso en la madurez de los datos de una empresa. Estos suelen estar relacionados con eventos como la contratación de un Consultor de BI, un equipo de BI o la construcción de un Almacén de Datos.
Para rastrear la madurez de la Data en función del Growth a lo largo del tiempo, es posible combinar algunos factores:
Si se agrega el tiempo al Dell Data Maturity Model, se obtendrá un Data Maturity Curve que ilustra aproximadamente cuánto tiempo las empresas más exitosas permanecen en cada etapa de la DDMM. Tras realizar un overlay del revenue growth, surge este patrón:
Figura 4: ¿Cuánto tiempo pasa una empresa en cada una de estas etapas de madurez?
Como se puede ver, la madurez de la data crece en pasos, generalmente el resultado de transiciones causadas por “precipitating events” (más sobre esto más adelante). La curva de madurez de los datos refleja una serie de pasos y no tanto una “curva”. Si se ajustase las etapas en una curva, se vería lo siguiente:
Figura 5: Data Maturity Curve
Uno esperaría que a medida que las empresas implementan activos de procesamiento de Data, tecnologías o estrategias, el Data Maturity Curve lideraría por delante de la Curva de Growth. Sin embargo, sucede todo lo contrario. La madurez de la estrategia de Data de una empresa (Data Maturity Curve) a menudo se retrasa con respecto a la curva de Growth. En otras palabras, la Data Strategy de una empresa siempre está detrás del estado actual de Growth.
Data Growing Pains
Porque los pains relacionados con la data no aparecen repentinamente de la noche a la mañana. A diferencia de cualquier otro pain que impida físicamente hacer negocios como los fallos de POS o los cortes de Internet, los pains de la data son dolores sutiles, crónicos y permiten operar hasta cierto nivel.
Estos “precipitating events” tienden a volverse insoportables en ciertos niveles de Growth, no solamente a nivel de revenues, sino en cuestiones como: el número de colaboradores, número de países en los que opera la empresa, el número de SKU, entre otros. Recién en esta circunstancia, las empresas deciden invertir en mejores procesos de gestión de Data. Diferentes industrias tendrán diferentes milestones cuando los pains se vuelven insoportables, pero la forma general de la curva Pain vs. Growth será la misma. El dolor disminuirá poco después de que una compañía experimente una “transición” para pasar de una etapa de madurez a la siguiente.
Es importante aclarar que los pains están ligados al Growth, no al tiempo, a la tecnología ni a la data en sí. Los “untreated pains” no aumentan con el tiempo sino con el Growth. Del mismo modo, los nuevos pains se producen debido al Growth. A estos dolores se les denomina Data Growing Pains.
¿Qué pasa si nunca inviertes en tu Data Strategy?
Algunos ejecutivos creen que dar el paso a una integración de Data es la solución final, prefiriendo estancarse en una etapa del DDMM a pesar de su crecimiento. Esta es una mala situación, ya que no solo se heredará todos los nuevos problemas asociados con el crecimiento, sino que los problemas originales que quedaron sin resolver empeorarán
De igual manera, alguna compañías piensan que la solución aquí es invertir directamente en AI y Big Data, y aunque ciertamente tienen la cantidad de datos para hacer esto, no tienen las bases establecidas para actuar de manera ágil sobre las ideas (u oportunidades) que provienen de Big Data o AI. De hecho, algunas empresas intentan saltarse la etapa Data Savvy por completo y van directamente a Data Driven (utilizando Data Science).
Como resultado, la curva de crecimiento de Pain vs Growth de la mayoría de las empresas en realidad se ve así.
Figura 6: Pain v. Growth Curve para empresas que no invierten más allá de Classic Business Intelligence.
Si uno revisa los pains enumerados en este artículo, notará que muchos de ellos están relacionados con el proceso del uso de la Data para tomar decisiones. La recolección, la limpieza y la integración desempeñan un papel muy importante en las primeras etapas de crecimiento. La integración de los procesos, las personas y las unidades de negocios desempeñan un papel igualmente importante en las etapas posteriores.
Por ello, es importante que las empresas se enfoquen en sus procesos actuales y traten de mejorarlos gradualmente. Para las startups, si puedes determinar un proceso que te permita ser ágil con la Data desde el inicio de la curva de crecimiento, el efecto neto es reducir el retraso entre el Growth y Data Analytics Maturity Curve y por ende, evitar los pains a futuro.
Si quieres recibir más información sobre Business Skills y Mindsets para una Economía Digital suscríbete al Newsletter aquí.Suscríbete a nuestro newsletter
Saludos!
KURIOS- Tech Business School
team@Kurios.la
PD: artículo elaborado por Kurios, en parte con bases de artículo original de Noteworthy.
Descubre nuestras soluciones y cómo podemos ayudar a tu empresa alcanzar sus objetivos de transformación digital.