por Lisa Loftis | CANAL: Experiencia Digital
“… si el análisis no conduce a decisiones más informadas y acciones más efectivas, entonces, ¿por qué hacerlo?” ―Mike Gualtieri, Forrester
Hace años, cuando era un consultor que impartía clases de análisis e inteligencia empresarial para TDWI , tenía un colega, Dave Wells (anteriormente director de educación de TDWI), que comenzó todas sus clases de almacenamiento de datos con la siguiente pregunta:
“El almacén de datos no aporta valor, solo costo; ¿verdadero o falso?”
A pesar de sospechar engaño con esta pregunta, la mayoría de los estudiantes respondieron falso. Después de todo, ¿qué almacén de datos o profesional de lago de datos que se precie se inscribiría para decir que estas aplicaciones analíticas no aportan ningún valor?
La respuesta era cierta. Y el punto que Dave estaba tratando de llevar a casa, que puede parecer deslumbrantemente obvio si se considera la cita de Mike Gualtieri al comienzo de este artículo, a menudo se pierde en el día a día de una organización. Dave lo llamó la cadena de datos a valor. Modernizando el concepto original de Dave, lo llamo acelerar el análisis para generar valor.
El alto costo de la inacción analítica
De cualquier manera, va así. Hay un costo claro para generar datos y análisis: costos de almacenamiento y sistemas para capturar, mantener y poner en funcionamiento los datos; costos de personal en el tiempo necesario para obtener la experiencia y el conocimiento necesarios para analizar los datos de manera efectiva; y costos de oportunidad cuando los datos o análisis no se implementan de manera oportuna o carecen del contexto necesario para que sean relevantes para la situación.
Dave diría a sus clases, y estoy de acuerdo, que el valor se obtiene solo cuando se generan resultados positivos a partir de los datos. O, como plantea Mike, cuando el análisis conduce a decisiones más informadas y acciones efectivas.
Impulsar el valor de la analítica es cada vez más importante, incluso imperativo. Tom Davenport y Randy Bean escribieron recientemente un artículo en el que discutieron una encuesta de Big Data e IA realizada por el grupo NVP. Confirmaron lo que Dave Wells y Mike Gualtieri ya saben: que el análisis es más importante que nunca, pero el valor sigue siendo esquivo. El noventa y dos por ciento de los encuestados informaron que el ritmo de sus inversiones en Big Data e IA se está acelerando; el 88% indicó una mayor urgencia de invertir en big data e IA; y el 75 % citó el miedo a la disrupción como un factor motivador para la inversión en big data/IA. Además, el 55 % de las empresas informaron que sus inversiones en Big Data e IA ahora superan los $ 50 millones, frente al 40 % del año pasado.
Al mismo tiempo, sin embargo, un revelador 77 % informó que la adopción comercial de iniciativas de Big Data/IA es un gran desafío, frente al 65 % del año pasado, el 69 % dijo que no ha creado una organización basada en datos y el 52 % admitió que no están compitiendo en datos y análisis.
A las malas noticias se suma una predicción de Gartner de que en 2019 y más allá, el crecimiento será la principal prioridad del CEO, y muchos buscarán al CMO para generar ese crecimiento. Y, sin embargo, como muestra un estudio de HBR sobre análisis en tiempo real, muchos especialistas en marketing todavía tienen dificultades para implementar análisis en sus iniciativas de CX, y solo el 16 % se clasifica como muy eficaz para ofrecer interacciones con clientes en tiempo real a través de puntos de contacto y dispositivos.
La toma de decisiones impulsará el valor analítico del futuro
Aquí es donde entra en juego la toma de decisiones. Como decimos en SAS (y he escrito en esta columna antes):“Los datos no cambian la organización. Las decisiones sí. Cada decisión genera valor, desde grandes elecciones estratégicas hasta miles de micromomentos operativos. El éxito llegará a aquellos que puedan tomar las decisiones correctas en contexto, en el momento, para cada momento, automatizando y escalando esas decisiones con análisis poderosos y confiables”.
La creciente cantidad de datos, la expansión de los puntos de contacto con los clientes y las organizaciones progresivamente conectadas han convergido para hacer que sea casi imposible para los humanos mantenerse al día con el gran volumen de decisiones operativas que se deben tomar todos los días. Tomar una decisión de crédito, identificar un fraude, validar un reclamo, determinar la siguiente mejor acción a tomar para un cliente a medida que avanza en su recorrido como cliente y fijar el precio de un producto o póliza son solo algunos ejemplos de las miles de decisiones operativas diarias que enfrentan las empresas y impactando las experiencias de los clientes hoy en día.
Además, muchas de estas decisiones están interconectadas y las consecuencias de una sola mala decisión pueden agravarse rápidamente. El imperativo de resolver el creciente problema de la experiencia del cliente (comprometerse con los clientes en el momento) requiere velocidad y capacidad que deben ser impulsadas por la automatización y el análisis.
Los analistas están de acuerdo
Los analistas también se están dando cuenta de este concepto, y un rumor creciente rodea la toma de decisiones, tanto conceptualmente como como una solución tecnológica. Technopedia ha actualizado recientemente su definición de gestión de decisiones a una que abarca el análisis y la automatización:“La gestión de decisiones empresariales (EDM) es un enfoque empresarial que aplica sistemas analíticos y basados en reglas para gestionar e implementar todas las decisiones operativas, como las relaciones con empleados, proveedores y clientes. El movimiento EDM computarizado ha alterado el proceso de toma de decisiones empresariales al incorporar decisiones basadas en información basadas en datos de comportamiento históricos, así como decisiones anteriores y sus resultados”.
Gartner colocó la inteligencia continua en el tercer lugar de sus 10 principales tendencias tecnológicas de datos y análisis para 2019 . Define la inteligencia continua como un patrón de diseño que proporciona automatización de decisiones en el que se integran análisis en tiempo real dentro de una operación comercial, procesando datos actuales e históricos para prescribir acciones en respuesta a eventos que brindan decisiones. La inteligencia continua aprovecha múltiples tecnologías, como análisis aumentados, procesamiento de flujo de eventos, optimización, gestión de reglas comerciales y aprendizaje automático.
Rita Sallam, vicepresidenta de investigación de Gartner, llama a la inteligencia continua “un gran desafío y una gran oportunidad” para que los equipos de análisis ayuden a las empresas a tomar decisiones más inteligentes en tiempo real en 2019. Ella predice que para 2022, más de la mitad de los principales nuevos sistemas comerciales incorporará inteligencia continua que utiliza datos de contexto en tiempo real para mejorar las decisiones.
Forrester llama a la toma de decisiones automatizada basada en análisis el comienzo de la toma de decisiones digital . La toma de decisiones digital combina los sistemas existentes de conocimiento, la gestión de interacciones en tiempo real y los conceptos de inteligencia digital de Forrester; Abarca software que automatiza los ciclos inmediatos de información a la acción para negocios digitales, abordando no solo los ciclos digitales de participación del cliente, sino también los procesos operativos.
El caso para la decisión es claro. Los análisis deben impulsar las decisiones de CX, y el software que las automatiza será fundamental para desarrollar una cultura basada en datos, competir en análisis y obtener valor de los análisis en el futuro.
Sobre el Autor
Lisa Loftis es una líder de pensamiento en el equipo de Mejores Prácticas de SAS, donde se enfoca en la inteligencia del cliente, la gestión de la experiencia del cliente y el marketing digital. Es coautora del libro Building the Customer Centric Enterprise.
