«Tan importante es poseer los datos como conocer bien quién los necesita»

Los datos son cruciales para impulsar la transformación digital. Pero tan importante como poseerlos y tratarlos adecuadamente es conocer quién necesita qué datos y para qué. No solo eso, también es vital saber cómo presentar estos datos a los distintos departamentos de las empresas para que sus responsables tomen las decisiones adecuadas, de lo que se encargan disciplinas como el Data Storytelling. De todo ello, y de otros temas, como de los sectores que sacan más partido a los datos en España hemos hablado con Julio Estévez, Líder Global de Big Data, Analytics y Customer Management de NEORIS.

[MCPRO] ¿Qué papel tienen los datos en la transformación digital de una empresa?

[Julio Estévez] Los datos son una pieza fundamental en la transformación digital. Cuantos más de ellos poseamos, menores son los riesgos a la hora de tomar una decisión en base a los mismos. Los datos nos proporcionan el conocimiento necesario para establecer una transformación digital fundamentada, medible y que desemboque en decisiones adecuadas, ayudando a cumplir tres grandes objetivos: conocer mejor a los clientes, interactuar con ellos de forma efectiva y hacer más eficientes las operaciones con ellos.

Para tener éxito en una transformación digital, lo ideal es conseguir que todas las decisiones que se tomen estén basadas en los insights que proporcionen los datos, proporcionando una visión integral de todo el negocio a través del tratamiento de cualquier dato digital (interno, externo, estructurado y no-estructurado), procesamiento de información en tiempo real y motores de predicción avanzados basados en el Machine Learning y la IA.

De esta manera, obtendremos beneficios sustanciales, tanto para la empresa como para sus clientes. Por un lado, da un papel más protagonista a los clientes, permitiéndoles ofrecerles servicios personalizados y atenderles en tiempo real para cualquier duda o problema que pueda surgir, gracias al uso de asistentes virtuales; también mejora la percepción de los propios empleados, ya que se les está proporcionando más información y más útil a la hora de que tomen decisiones. También permite la optimización de las operaciones, ya que los datos se obtienen de múltiples fuentes – muchas de ellas en tiempo real –, lo que permite predecir y hacer más eficientes y eficaces los procesos internos. Por último, permite transformar los servicios y productos, ya que con el uso de datos podemos, no sólo adecuarlos mejor a los clientes, sino adelantarnos al mercado y sus tendencias.

[MCPRO] Sin duda, los datos tienen un papel muy relevante en la toma de decisiones de empresas de cualquier sector. Pero para poder utilizarlos para ello antes hay que extraerlos de la fuente adecuada, procesarlos y seleccionarlos. Una vez que ya se tienen esos datos ¿cómo hacer para mostrarlos de manera comprensible a quienes tienen que tomar decisiones basados en ellos?

[Julio Estévez] Tan importante es poseer los datos como conocer bien quién los necesita. Hay que identificar qué objetivos y líneas estratégicas se persiguen, qué decisiones se van a tomar en función a esos datos. Esto permite proporcionar los insights adecuados para que la toma de decisiones no sólo sea eficiente, sino útil. 

El proceso consiste en ofrecer una serie de casos de uso y luego presentar los datos obtenidos de forma que cumplan la función para la que fueron recopilados. Esta fase es tanto o más importante como la definición del propio caso de uso, ya que existe un gran porcentaje de fracaso en iniciativas analíticas de datos porque los insights obtenidos no se mostraron o desplegaron como lo necesitaba el usuario final para tomar sus decisiones.

Por ejemplo, en el caso de que busquemos aumentar un 50% la interacción con los clientes a través de los canales digitales (página web, asistentes virtuales…) podemos extraer casos de uso, alineados con los objetivos de negocio. Por ejemplo, un Digital Channel 360º, consistente en un panel de control que muestre a los usuarios nuevos, tendencias, usuarios activos, uso por canal, preferencia, etc. También se puede crear un plan de comunicación de nuevos usuarios usando insights predictivos para identificar potenciales clientes entre los usuarios actuales y ofrecerles campañas personalizadas. Por último, se puede estudiar la satisfacción de los Digital Channel, utilizando insights en tiempo real e IA para identificar los problemas que pueden estar teniendo los clientes en el momento y ofrecerles soluciones lo más rápido posible.

[MCPRO] En relación con esto último se escucha hablar cada vez más del término Data Storytelling. ¿En qué consiste y qué papel tiene en el paso de datos en bruto a información fácil de comprender y útil para los directivos de una empresa encargados de decidir con base en ellos?

[Julio Estévez] El Data Storytelling consiste en ir más allá de los datos y contar la historia que hay detrás de ellos, permitiendo al usuario extraer todos los insights que necesite de una forma sencilla e intuitiva, sin perder en ningún momento la información relevante y útil para la toma de decisiones. De esta forma, el Data Storytelling se convierte en un componente necesario en cualquier sistema de analítica de datos o caso de uso para comunicar la información o resultados de una forma efectiva a los usuarios.

Se compone de la combinación de tres elementos clave: los datos – cuáles se tienen y hacen falta, si es necesario hacer predicciones en base a ellos, el nivel de granulidad que se necesita –, los aspectos visuales – alertas, tendencias, gráficos, logos, mapas, georeferenciados – , y la narrativa – qué tipo de comparativa se está buscando, los tipos de filtros que se necesitan, cómo se va navegar por los datos, textos explicativos.

Es fundamental que toda esta metodología se establezca en base a un diálogo con quien va a emplear estos datos. Hay que entender su negocio, las necesidades y cómo se van a consumir los diferentes insights para que estos resulten útiles en la toma de decisiones.

[MCPRO] La aceleración de la transformación digital provocada por la pandemia del COVID-19 ha motivado una toma de decisiones en muchas empresas tremendamente rápida, con las dudas de si se actúa adecuadamente presentes en muchas ocasiones. El apoyo en los datos ¿puede ser clave para tomar decisiones acertadas a un ritmo mucho mayor del que estaban acostumbradas hasta ahora las empresas?

[Julio Estévez] Una situación excepcional, como la de actual crisis sanitaria, hace reflexionar a las empresas sobre en qué nivel de madurez se encuentran sus soluciones de analítica de datos, y si son capaces de responder a las situaciones de incertidumbre generadas. 

Los datos se han vuelto clave a la hora de responder a cuestiones tales como: cómo afecta la pandemia a los clientes, cuáles se han visto más afectados, que servicios se pueden seguir prestando, cuáles se tienen que replantear, si hay que hacer reajustes en los activos y/o almacenes, si afecta a los proveedores, tiendas, etc.

Las empresas más avanzadas han podido añadir el resultado de la evolución de la pandemia en las regiones donde operan para analizar el impacto de la misma y así estar mejor preparados para responder al avance de la misma. A través de modelos predictivos e IA, pudieron aportar diferentes insights para analizar escenarios distintos según el comportamiento de la pandemia. Con esto fueron capaces de responder a cuestiones como: ¿qué pasa si esta segunda ola llega hasta diciembre? ¿Y si es hasta mayo del 2021? ¿Qué ocurrirá si hay una tercera ola? Etc.

[MCPRO] ¿Hasta qué punto se apoyan las empresas españolas en los datos para avanzar y transformarse de cara al futuro? ¿Cómo los utilizan?

[Julio Estévez] En este ámbito se están haciendo cada vez más avances, especialmente a raíz de las nuevas tecnologías asociadas a la gestión de los datos como el Big Data, el procesamiento en tiempo real, el Machine Learning, la IA, la tecnología en la nube o los micro-servicios. 

En todas las empresas españolas hay dos grandes áreas que siempre solicitan más demanda de datos e insights para hacer más eficiente su proceso de toma de decisiones: el área comercial, que busca en base a los datos atraer a nuevos clientes, fidelizarlos y proponer nuevos productos y servicios; y el área financiera, que necesita analizar en detalle el negocio, conocer las rentabilidades, analizar datos operativos y no operativos, y predecir la demanda futura y las tendencias del mercado.

Pero más allá de estas dos áreas, hay otras en las que también se produce la necesidad de estos datos e insights, con un gran rango de variedad de esta necesidad dependiendo del sector en el que opere. Por ejemplo, la banca y los seguros siempre han necesitado de grandes volúmenes de información para obtener insigths predictivos para hacer modelos de scoring a la hora de autorizar créditos y pólizas. Las áreas de prospección comercial y de estrategia de las empresas de Telecomunicaciones y Utilities consumen estos insights para entender las tendencias de los consumidores y generar ofertas más atractivas respecto a la competencia.  

Los medios de comunicación también usan insights para conocer mejor a su audiencia y definir perfiles únicos de usuarios para brindar contenido de forma individual, mejorar las recomendaciones de consumo, ejecutar comunicaciones segmentadas para mejorar las acciones de marketing, y ofrecer la venta publicitaria de forma personalizada. El sector de Manufactura necesita eliminar los silos de información en toda su cadena de valor para disponer de insights centralizados que van desde la demanda del producto, pasando por distribución, almacén y producción. Por otro lado, los modelos de machine learning ayudarán en hacer más eficiente tanto la producción como el mantenimiento de los equipos e instalaciones.

El sector retail puede emplear esta información en conocer mejor a sus clientes y lo que demandan, georeferenciando sus tiendas físicas, así como la época del año, siendo capaces de adaptar tanto la oferta como la organización y presentación de sus productos dentro de la tienda. Además, el uso de insights predictivos pueden ser muy útiles al área de expansión para decidir cuál es la mejor zona para la apertura de una nueva tienda. La industria de bienes de consumo tiene el reto de conocer bien a su cliente final, al ser un sector tradicional de canal B2B. Cada vez más se puede conocer mejor a dicho cliente final a través de canales de eMarketing, sus tendencias, preferencias, y así poder ajustar mejor sus productos.

Finalmente, el sector Servicios tiene también muchas oportunidades de crecimiento y mejora de sus procesos gracias al uso de datos e insights, potenciando la relación con os clientes, siendo más afectivos en las ventas al conocer mejor los canales, conociendo mejor a los empleados y valorando el compromiso, productividad y retención. 

[MCPRO] ¿Qué sectores son los que sacan más partido a los datos en España y cuentan con un uso del Big Data más avanzado?

[Julio Estévez] Casi todos los sectores se encuentran en fases avanzadas y depende mucho de cómo afecten a sus procesos centrales. Por ejemplo, los sectores de la banca y retail históricamente son los más avanzados y llevan varios años de ventaja.

Hoy en día, casi todas las empresas de gran consumo disponen de soluciones analíticas más o menos avanzadas, y la tendencia irá en aumento, ya que tienen el gran objetivo de conocer mejor a sus clientes y tratar de llegar a ellos de forma individual y personalizada.