fbpx

La propuesta de valor de la analítica empresarial no es la que se imagina

Los proyectos que mas fallan son los de business intelligence. Tiene claro por que?

En 20 años de carrera profesional no he encontrado nada más difícil que explicar la propuesta de valor de los sistemas de analítica empresarial. Puedo imaginarme la reacción de mis lectores a la frase anterior. “Andrés se enloqueció! La propuesta es obvia, todo el mundo necesita información para tomar decisiones de negocio acertadas”

Sucede que en mi experiencia, los usuarios tienen expectativas erradas de la herramientas analíticas. No me sorprende que 70% de los proyectos de Business Intelligence sean considerados fracasos entre los usuarios. Es la tasa más alta entre todos los proyectos relacionados con tecnología.

Mentiras, mentiras descaradas y estadísticas

La expectativa que venden los fabricantes, y que compran los usuarios, es que una herramienta analítica va a producir respuestas mágicamente y que todo se vuelve obvio cuando se visualiza. Por supuesto que no sucede así. Las estadísticas, como otras tantas cosas de la vida, dependen siempre de la perspectiva desde la cual se observan.

Así, un mismo dato puede ser interpretado de muchas maneras diferentes por las personas. Por ejemplo, un crecimiento en ventas del 10% puede ser bueno, regular o malo, dependiendo de quien y cuando se observa. Regresemos al valor propuesto de las herramientas analíticas, Su principal producto son estadísticas. Que, espere parea leerlo…. Son interpretadas de diferente manera por cada usuario! Pareciera que no se está logrando el propósito.

En el mundo de los dinosaurios tecnológicos, la solución a este problema es crear un equipo que sea el único encargado de producir información. De esta manera, dicen ellos, es posible evitar la ambigüedad. Absurdo totalmente. Primero porque la ambigüedad es imposible de evitar. Pero segundo y mas importante, porque un equipo encargado de producir estadísticas, solo sirve para tener un tercero culpable de las decisiones equivocadas. No me cree? Haga memoria y seguro recordará frases como esta en reuniones donde se analiza el fracasó de alguna iniciativa: “No se, esos fueron los datos que me dio información gerencial”

Lo que quieren tener los líderes (y posiblemente no lo saben) es una discusión fundamentada en estadísticas

Las herramientas analíticas no resuelven problemas. De hecho hay infinitas maneras de resolver cualquier problema. En las escuelas de negocios tienen claro el asunto y por eso la mayoría usa el método de casos para enseñar conceptos. Algo similar debe suceder en las organizaciones. Lo importante no son los datos sino la discusión alrededor de ellos. Para tener una reunion efectiva, cada quien debe traer información analizada desde su perspectiva, e iniciar una discusión bajo un marco de pensamiento adecuado, bajo el cual sea posible resolver los problemas.

Las herramientas analíticas sirven para facilitar a todos analizar la información desde su propia perspectiva. La mezcla de diferentes puntos de vista, es decir el uso de la inteligencia colectiva, es la que luego permite resolver los problemas más complejos.

El proceso de llevar la información a los usuarios

Decía que las herramientas analíticas están diseñadas para facilitar el proceso de llevar la información a los usuarios. Aunque no lo parezca, ese puede ser uno de los procesos mas complejos y desgastantes en cualquier organización.

Recuerdo que hace casi 10 años conversé con quien entonces era el VP Financiero de Claro, una de las mayores empresas de comunicación celular de Colombia. Preguntándole sobre sus procesos para producir y analizar información, me contó que el no tenía problemas de información. Tenía todo lo que necesitaban gracias a un ejercito de 50 personas buscando datos y creando reportes! Yo le conté que había trabajado en una organizacion donde producíamos el doble de información que la suya con tan solo 6 personas. Ahi quedo la discusión. Entreoyendo que poco tiempo después salió de la organización.

Muchos confunden extraer información, con analizarla. Extraer la información es un trabajo difícil. Es causado principalmente por falta de gobernanza sobre la misma. La gobernanza permite unificar conceptos y acordar una serie de factores descriptores acerca de la información. Por ejemplo, donde se guardan, quien la usa, en que formato se almacena, etc… Cuando hay buena gobernanza, la extracción es más fácil.

Gracias a la carga de trabajo que significa extraer información, muy pocos llegan a analizarla. Hace algunos días escribí sobre los científicos de datos. En el mundo analítico ideal, ellos deberían ser la primera capa de análisis. Usando métodos científicos encuentran relaciones entre datos sin relación aparente. Luego publican datasets, paquetes de datos estructurados y analizables, para que los usuarios puedan correr luego su propia perspectiva sobre la información.

Correr su propia perspectiva no significa organizar tablas y ponerlas bonitas en Excel y PowerPoint. Es entender las causas o consecuencias de las relaciones entre los diferentes puntos de información. Por que se vende mas en una región que en otra? Quienes tienen los mejores índices de productividad y cuales son los factores clave que lo habilitan? En fin, las preguntas pueden ser casi infinitas. En mi experiencia encuentro que muy pocos llegan a este paso.

Donde están las herramientas de simulación?

Son pocas las organizaciones en donde uno encuentra que se analiza juiciosamente la información. Por lo general se crean unos supuestos, que generan 2 o 3 escenarios y con esa información es que se plantean las discusiones. En la practica estamos hablando de casuística. De miles de escenarios elegimos unos pocos y los tomamos como si se tratara de la verdad absoluta.

En el mundo real hay muy pocos absolutos. Casi toda la modelación se formula en términos de rangos. Por ejemplo, para hacer un presupuesto, yo debería calcular que me gastaré entre 80 y 100 millones en tecnologia, no decir que me gastaré exactamente 90. Las consecuencias de pensar en rangos y no en absolutos son extraordinarias.

Al modelar las decisiones en rangos y crear escenarios con ellos, se descubre cómo interactúan las piezas entre si. No todo lo pesimista sucede al mismo tiempo, pero tampoco sucede lo optimista. El resultado es también un rango. El analisis de ese rango es mas valioso que la precision. Si sucediera todo lo pesimista a la vez, lo que algunos llaman la “tormenta perfecta”, y hubiéramos hecho el análisis correcto, posiblemente no caería como sorpresa. Era evidente en un numero relevante de escenarios. Las decisiones, en ese caso, hubieran sido radicalmente diferentes.

Pocas organizaciones tienen las capacidades de trabajar en términos de rangos. Para esto es que Excel es extremadamente valioso en una organización. Excel lo puede hacer solo, pero es commplicado. Necesita una herramienta que le ayude. La que yo he usado y funciono muy bien es Crystal Ball de Oracle, pero hay muchas otras.

Conclusion: La propuesta de valor de una herramienta analítica no es producir respuestas. Es enriquecer discusiones.

Deja un comentario