El potencial de la ciencia de datos como creadora de valor y de ventajas competitivas es hoy indudable. Al fin y al cabo, si una empresa es capaz de extraer valor de los datos y, mediante su análisis, lograr una mejora del negocio, será la única con esa información, lo que significa que dispondrá de una ventaja con respecto a sus competidores, incluso si estos deciden copiar el producto.
El poder de los datos para un negocio demuestra que no se trata solo de una capacidad técnica, sino que es una cuestión fundamental que ocupa las agendas de las direcciones de la empresa e incide en diferentes aspectos de la vida del negocio. La razón es simple: la ciencia de datos puede aportar valor de diversas formas, entre las que destacan tres palancas principales.
En primer lugar se encuentra la mejora del rendimiento operativo, es decir, la capacidad de hacer más con menos. Se trata, en definitiva, de ser capaz de extraer mayor valor de los recursos disponibles en la empresa mediante una racionalización de costes; es decir, consiste en ser más eficiente.
En segundo lugar está la creación de fuentes de ingresos adicionales. Son muchos los ejemplos de empresas que crean nuevos productos basándose en el analytics o que monetizan sus propios datos, vendiéndolos a terceros para su explotación.
Por último, como se señalaba antes, si una empresa es capaz de invertir de forma adecuada tiempo, esfuerzo y recursos en esta ciencia, podrá obtener ventajas competitivas adicionales implementando algoritmos de machine learning, que aprenderán con los datos y se volverán más eficientes mediante este aprendizaje constante.
El potencial de la ciencia de datos como creadora de valor y de ventajas competitivas es hoy indudable.
La eficiencia operativa
Desde el punto de vista de la mejora de la eficiencia operativa, las dos posibilidades para alcanzarla son la reducción de los costes o el incremento de los ingresos derivados del núcleo de negocio.
En el área de recursos humanos, el uso de analytics permite anticiparse a posibles abandonos de profesionales considerados importantes para la empresa, algo que habitualmente se detecta cuando ya es demasiado tarde. Teniendo en cuenta que uno de los principales gastos en recursos humanos proviene de esta situación, la capacidad de anticiparse a ella y proponer una solución antes de que un profesional alcance el punto de no retorno en la relación laboral reportará una mayor eficiencia.
En el área de márketing, la situación es similar. Uno de los principales problemas consiste en detectar el mejor marketing mix para incrementar la eficiencia de las inversiones. Mediante el uso de la ciencia de datos es posible saber la combinación óptima e, incluso, modificarla en función de las condiciones externas. Eso favorecerá, por tanto, el incremento del volumen de ventas, al tiempo que permitirá mantener el presupuesto del departamento bajo control.
Otro ejemplo es el de la empresa UPS, que ha empleado ciencia de datos y algoritmos geográficos avanzados para optimizar las rutas de entrega y realizar un mantenimiento predictivo de su flota. En lugar de esperar a que un vehículo tenga un problema y proceder a un arreglo no previsto, mediante el uso de algoritmos predice la probabilidad de incidencias, lo que le permite anticiparse con el mantenimiento de la flota en momentos valle.
Si una empresa es capaz de invertir de forma adecuada tiempo, esfuerzo y recursos en la ciencia de datos, podrá obtener ventajas competitivas adicionales.
La transformación del negocio
El viaje de una empresa en la ciencia de datos comienza por la monitorización; de aquí se extrae el conocimiento, que posteriormente se introduce en las operaciones de la empresa y, al final, las más avanzadas transforman sus negocios para sostener una ventaja competitiva basada en los datos.
La recomendación de productos implica un paso más en la evolución de la ciencia de datos. En este caso, la organización no añade un valor más al núcleo de negocio, sino que ofrece un producto distinto, un data product, a partir de los datos de los que dispone. Se trata de la última frontera en la adopción de la ciencia de datos e implica un nuevo estadio de transformación del negocio.
Un ejemplo lo proporciona la división aeronáutica de General Electric. A principios de los ochenta, esta empresa se dedicaba exclusivamente a la venta de motores y ahí finalizaba su relación con el cliente. La introducción de sensores en los motores permitió la captación de datos, propiciando el paso de una relación transaccional a otra de tipo contractual, basada en un acuerdo de prestación de nivel de servicio. Al conocer la probabilidad de que un material se estropee o funcione incorrectamente, así como los costes asociados a estas incidencias, la venta significaba además una compartición de riesgos con el cliente, reduciendo así el coste total de propiedad. A esto hay que sumar el hecho de que la asimetría de información entre el proveedor y el cliente generaba a favor del primero una mayor capacidad de negociación.
Otro ejemplo es el de Telefónica, que por ley debe almacenar durante cinco años toda la información y datos proporcionados por los dispositivos inteligentes. Eso suponía un coste intrínsecamente ligado a su negocio principal, hasta que la operadora se dio cuenta del valor de esta información. La creación de la compañía Smart Steps hizo que lo que comenzó siendo un coste estructural pasara a convertirse en un nuevo negocio.
La tendencia, por tanto, se dirige a capturar los datos, estructurarlos, normalizarlos, aplicar las transformaciones, elegir el modelo más adecuado y, lo que es más importante, diseñar visualizaciones que faciliten una toma de decisiones más eficaz y de valor.
© IE Insights.
