Estimad@s
amig@s
Sinopsis
Cómo crear valor para tu compañía con Big Data e
Inteligencia Artificial.
¿Estás pensando en empezar a trabajar con big
data, analítica o
inteligencia artificial pero no sabes por dónde empezar o qué esperar? ¿Has comenzado
tu viaje de inmersión en el mundo de los datos y te preguntas cómo llegar al
siguiente nivel? ¿Quieres saber cómo financiar tu estrategia de datos,
organizar tu equipo, medir los resultados y escalar?
A Data-Driven
Company
analiza 21 decisiones clave a las que se enfrenta cualquier organización cuando
recorre su camino para convertirse en una empresa orientada hacia los datos y
la IA. En esta obra aprenderás sobre
las diferentes etapas de este viaje; las típicas decisiones organizativas,
tecnológicas, empresariales, de personal y éticas que las organizaciones deben
afrontar en este camino, y las distintas opciones disponibles, junto con los
correspondientes pros y contras.
Toma las decisiones correctas basadas en datos.
Este es un libro para los líderes
empresariales que deben aprender a adaptarse al mundo de los datos y la IA y
aprovechar sus beneficios. Se trata de cómo avanzar en el viaje de la
transformación digital, donde los datos son un ingrediente clave.
Además, esta hoja de ruta incluye ejemplos
prácticos de diferentes estrategias de data y las perspectivas de expertos y
profesionales de organizaciones como AXA, BBVA, ENGIE, KPMG, Mapfre, MTN, O2,
ODI, OdiseIA, Rabobank, Repsol, Santander, Scalian, Telefónica y Vodafone. Es
sorprendente lo mucho que se parecen los retos en los distintos sectores.
«La información no
es conocimiento.
El conocimiento
no es sabiduría.
La sabiduría no
es la verdad»[i]
Introducción
(…) cuando hablo de “datos”, pienso en la
relación entre las áreas de datos y TI, y cuál función debe reportar el
Departamento de Gestión de Datos[ii],
en las formas de medir el impacto económico (…)
¿Por qué las organizaciones quieren convertirse en
empresas Data-Driven impulsadas por la IA?
(…) convertirse en una empresa data/IA-driven
no es tarea fácil. Representa un largo proceso paralelo a la transformación
digital por la que están pasando todas las grandes organizaciones (…)
• El viaje debe afrontarse por fases; es casi
imposible saltar directamente al estado final deseado sin pasar por las fases
anteriores (…) esto no significa que las fases no se puedan desarrollarse
parcialmente en paralelo.
• Para poder implementar la IA en todo su
potencial, primero hay que convertirse en una empresa impulsada por los datos.
1. Exploración
- Probar el potencial del big data
(…) se suele seleccionar un problema de negocio existente o «caso de uso», como reducir la pérdida de clientes o aumentar la eficacia de las campañas de marketing (…) se recogen los datos y se aplica la analítica para resolver el problema.
2. Transformación
- Acelerar la adopción del big data
(…) preparar a la organización para tratar los datos como un activo estratégico y crear valor de forma sistemática (…) selección e implementación de casos de uso estratégicos que tenían un impacto significativo en el negocio (…)
(…) añadir siempre una clausula sobre acceso a los datos en los contratos de proveedores (…)
3. Data-driven
- Democratizar el big data
(…) implica que muchas de las decisiones importantes de la empresa se tomen con base en los datos, es decir, que a la sabiduría convencional, la experiencia y la intuición se sume el conocimiento analítico con base en los datos de la empresa (…)
4. Inteligencia artificial
- Capacidad cognitiva
(…) se explota todo el valor de los datos, a través de la analítica, del aprendizaje automático y otras tecnologías de IA (…)
Sacar el máximo partido del big data y la IA también conlleva nuevos riesgos, especialmente aquellos relacionados con la privacidad y otras consecuencias no deseadas. Colocar los datos y la IA en el núcleo de una organización exige prestar más atención a la seguridad de los datos de los clientes (…)
«Conozca a su cliente»
•
¿Queremos mejorar la toma de decisiones en la compañía?, ¿Por qué?
•
¿Cómo nos puede ayudar el big data y la inteligencia artificial a tomar
mejores decisiones?
•
¿Por dónde empezamos?
•
¿Con qué personas debemos contar?, ¿Equipo interno o externo?
•
¿Cuál debe ser la inversión que debemos acometer?
•
¿Qué retorno podemos esperar?, ¿Cuándo?
•
¿Es posible monetizar la estrategia de data-driven de la compañía?,
¿Cómo?
Richard
Benjamins nos ayuda a través de A Data-Driven
Company a reflexionar sobre los escenarios con los que poder abordar una estrategia
de datos en nuestra compañía, fases, personas, inversión, ética, monetización,
partner…
Queda mucho camino hasta que podamos afirmar que
nuestra compañía ha puesto el dato en el centro para facilitar la toma de decisiones,
pero a caminar se empieza con un primer paso. Si no conocemos como lo están
haciendo grandes compañías como telefónica, de dónde vamos a sacar modelos de referencia
de los que poder adaptar a nuestras PYMES una estrategia de datos que nos
permita mejorar de manera iterativa.
«El consumidor no
necesita la propiedad
sino tener disponible el uso»[iii]
• ¿A qué distancia debe estar el CDO del CEO?,
¿CEO-1[iv],
CEO-2 o CEO-n?
• ¿Si el CEO-1, es decir, si
reporta directamente al CEO, ¿Cómo se relaciona el CDO con los demás
directivos de la empresa, en particular el CIO y el CTO?
• Si es el CEO-n, ¿A qué ejecutivo debe
reportar el CDO?, ¿Deber ser al director de información[v],
al director de operaciones[vi],
al director de marketing[vii],
al director financiero[viii],
al director de transformación, al director de tecnología o al
director digital?
¿Qué relación de proximidad debe tener el CDO con
el CEO?
Para aprovechar todo el potencial de los datos,
lo mejor es que el CDO se sitúe en un área cuya misión sea transversal y que
represente una parte significativa del negocio (…) la creación de valor no se limita a un área
específica (…) y se extiende a todo el negocio. Hacer lo contrario limitaría el
valor a una sola área o a un área que no está directamente enfocada al negocio.
(…) ¿Por qué algunas organizaciones se resisten a
que el CDO reporte al CEO?
• Las empresas con menos experiencia en el uso de
datos podrían querer situar al CDO bajo el CIO, dentro del área de TI. Esto
ayuda a garantizar un conocimiento tecnológico antes de utilizar los datos para
orientar el negocio.
• Algunas organizaciones tienen una idea muy
clara de por dónde empezar a aplicar sus datos, por lo que sitúan al CDO bajo
el departamento correspondiente (…) Otras más innovadoras podrían incluso
situar al CDO bajo el CTO (I+D), mientras que las organizaciones que quieran
ahorrar dinero podrían situarlo bajo el responsable de Recursos Globales.
(…) la madurez de los datos. Incluye calidad,
gobernanza, habilidades, protección y seguridad (…) una organización que
utiliza sus datos para casos de uso interno es probablemente lo suficientemente
madura como para comenzar procesos de monetización externa.
(…) en la mayoría de los escenarios de
monetización externa, no se utilizan datos personales, sino datos anonimizados
y agregados que no entran en el ámbito del RGPD (…) parte de lo que solía
aceptarse como datos anonimizados se consideran ahora datos personales (…)
(…) qué se monitorizará exactamente: ¿los
datos anónimos como tal?[ix],
¿Conocimientos que tienen un valor comercial?, ¿Soluciones integrales
basadas en datos que resuelvan el problema de un cliente? (…)
¿Cómo podemos medir el valor económico de las
iniciativas de big data en nuestras organizaciones?, ¿Y el
impacto de estos proyectos en nuestros negocios?, ¿Cómo podemos
convencer a la alta dirección de que continue (y aumente) su inversión en este
ámbito?
¿Por qué les interesa a las empresas utilizar
datos abiertos? (…) enriquecer sus fuentes de datos internas con datos que ayuden a
mejorar sus objetivos empresariales (…)
-
Ventajas
• Eficiencia de los datos,
• Contexto,
• Eficiencia financiera,
• Mejora de estrategia comercial,
• Mejora de los productos,
• Desarrollo de productos.
-
Desafíos
• Fragmentación,
• Calidad,
• Frecuencia de actualización,
• Heterogeneidad,
• Falta de una estrategia de publicación
transparente,
• Responsabilidad.
Cuando se ponen en marcha nuevas iniciativas de
datos, analítica o IA, siempre vale la pena empezar con los responsables de
negocio que están dispuestos a colaborar; los verdaderos lideres del cambio (…)
-
Tipos de analítica
• Analítica descriptiva
¿Qué ha pasado?
• Analítica predictiva
¿Qué ocurrirá?
• Analítica prescriptiva
¿Cómo hacer que suceda?
(…) para aumentar las probabilidades de éxito de
los equipos de datos, analítica e IA, es importante dedicar tiempo y esfuerzo a
la comunicación (…)
«(…) no se trata de cuantos datos se
tienen,
sino que lo que cuenta es si se utilizan
satisfactoriamente»[x]
21 claves para crear valor a través de los datos
y la inteligencia artificial
Link de interés
•
El mito del algoritmo: Cuentos y verdades de la inteligencia artificial
•
El algoritmo y yo: Guía de convivencia entre seres humanos y artificiales
•
Small Data: Las pequeñas
pistas que nos advierten de las grandes tendencias
•
Liderar personas
con inteligencia artificial; Cambio y digitalización
•
Borrador de
directrices éticas para una IA confiable
•
Data
Strategy: Cómo beneficiarse de un mundo de big
data, analytics e internet de las cosas
«Pensar fuera de la caja siempre se asocia con la incertidumbre
y la asunción de riesgos,
pero cuando la innovación tiene éxito se consiguen resultados
que cambian el juego»[xi]
ABRAZOTES
[i] Frank Zappa
[ii] CDO
[iii] Jeremy Rifkin
[iv] Si el CDO se sitúa en el CEO-1 esto
significa una línea de reporte directa. Si el CDO se sitúa en el CEO-2,
significa que hay un jefe de línea entre el CEO y el CDO…
[v] CIO
[vi] COO
[vii] CMO
[viii] CFO
[ix] Debidamente procesados para eliminar
toda la información personal identificable.
[x] Bernard Marr
[xi] Juan Murillo Arias
