Inversión en datos: ¿Por qué el magro retorno?

inversion en datos, invertir en datos, curso sobre inteligencia de negocios

La inversión en datos y sus magros resultados muestran que desde hace años el desafío, en general, no es técnico.

A pesar de que hoy en día el término de moda es ciencia de los datos (data science), desde hace más de 30 años nos acompañan diversos términos que hacen referencia a la necesidad de las organizaciones de generar valor a partir de estos.

Desde los conceptos “antiguos” de sistemas de apoyo a la toma de decisiones (management information systems – mis), sistemas expertos, inteligencia de negocios, analítica avanzada, etc. hasta algunos nuevos que, probablemente, comenzarán a sonar con fuerza en los próximos años. Por ejemplo, “inteligencia de las decisiones” (Decision intelligence), el que usa Google para referirse actualmente a esta disciplina.

Ahora, veamos algunos indicadores del estado del arte:

1. VentureBeat AI señala que 87% de los proyectos de data science nunca llegan a producción (julio 2019).

2. MIT Sloan Management Review indica que 7 de cada 10 compañías que han invertido en inteligencia artificial, reportan impacto nulo o mínimo a la fecha (octubre 2019)

3. Gartner predice que solo 20% de los insights analíticos se traducirán en resultados para el negocio (enero 2019).

4. New Vantage indica que 77% de las organizaciones señalan que la adopción de iniciativas de IA y big data sigue siendo un gran desafío (enero 2019).

En síntesis, lo que vemos no son cifras esperanzadoras.

Inversión en datos: ¿Qué opinan los ejecutivos?

Un experimento interesante es preguntar a los ejecutivos de negocio que opinan/sienten sobre las iniciativas de datos en sus organizaciones.

En general, es común encontrarse con opiniones como las siguientes:

1. Hicimos una inversión en un data warehouse corporativo durante años, que terminó automatizando una serie de reportes de gestión, pero no mucho más que eso.

2. Armamos toda un área de gobierno de datos, que comenzó a documentar, levantar procesos, evangelizar, definir roles, etc. pero, después de 2 años, no tenía mucho que mostrar en términos de resultados y/o valor para la organización.

3. Hemos invertido mucho tiempo y dinero en armar áreas/células de data science, contratando matemáticos, físicos, etc., pero ha sido difícil obtener valor concreto de las iniciativas realizadas.

¿En qué están las organizaciones ahora?

Si nos ponemos a observar con atención, veremos que muchas organizaciones están en un proceso de “modernización” respecto a los datos, lo que incluye novedosas tecnologías, capacidades extendidas en la nube, nuevas herramientas y lenguajes, nuevos perfiles y personas, etc.

Todo esto bajo la premisa que el desafío es técnico, y que, si nos modernizamos, lograremos aumentar el valor que generamos con los datos.

Pero lo que parece novedoso no lo es en realidad, y estos procesos de modernización ocurren de vez en cuando, sin cambiar necesaria ni drásticamente los beneficios que percibe el negocio.

La verdad es que desde hace años que el desafío, en general, no es técnico.

¿Cuál es el desafío en la inversión en datos?

El desafío está en volver a poner foco en el negocio, en cómo podemos generar valor para la organización.

Esto depende de muchos factores, tales como:

1. La cultura de datos de la organización.

2. El compromiso y formación de los ejecutivos.

3. La gestión del cambio organizacional.

4. El rediseño de procesos y creación de nuevos productos con base “analítica”.

Esto señala que existe una desconexión, muchas veces, entre lo que realmente genera valor para la organización respecto a los datos y las inversiones que está realizando la misma para obtener valor a partir de estos.

 

Actualízate con el curso sobre presente y futuro de la inteligencia de negocios (online) de Clase Ejecutiva UC.