¿Por qué fracasan las iniciativas de data analytics en algunas organizaciones peruanas?

El uso de datos para beneficiar a una empresa es muy importante, sobre todo cuando apenas se encuentran en las primeras etapas del proceso de adopción de herramientas de data analytics. La idea es simple: existen muchos datos a disposición del negocio y cada vez habrá más. Esta información es valiosa y puede usarse para resolver problemas de la organización y generar valor.

No obstante, hay que tener en cuenta que, aunque esta idea suena prometedora, no existe una forma de implementarla con un éxito garantizado. De hecho, en el 2019, un estudio de Gartner estimó que el 85 % de los proyectos de data analytics fracasan. Como decía el entomólogo y biólogo estadounidense Edward Osborne Wilson, nos ahogamos en información, hambrientos de conocimiento.

Muchas dudas iniciales

En los últimos años, muchas organizaciones peruanas comenzaron a crear áreas dedicadas a trabajar iniciativas de data analytics bajo diferentes nombres, como ciencia de datos, big data, analítica avanzada o data mining. El objetivo principal era desarrollar modelos que ayudasen a resolver problemas importantes para estas organizaciones.

No obstante, en el proceso diario de trabajo, surgieron muchas otras preguntas importantes que no eran necesariamente sencillas de responder y requerían que el equipo de trabajo tuviese un entendimiento claro del negocio y de su rol en la organización. Sin ir muy lejos, la falta de competencias para responder preguntas acerca de cómo identificar el problema correcto, cómo asegurarnos de que estamos generando valor y cómo manejar las expectativas del sponsor puede poner en riesgo el éxito del proyecto.

Cada experiencia es distinta

Cada organización debe encontrar la mejor manera de abordar estos desafíos a través de la práctica, pues no existe una receta universal que nos permita resolverlos. Sin embargo, existe un elemento claramente recurrente que vale la pena resaltar y es el hecho de que la promesa de data analytics no puede cumplirse sin entender cómo convertir al equipo de trabajo en un aliado del nivel más alto de la organización, dentro de una estrategia de transformación que facilite la gestión del cambio.

En ese sentido, lo más importante no es tener la mejor tecnología para conectar y explotar bases de datos, diseñar un software con una experiencia de usuario impecable o crear modelos sofisticados con miles de parámetros. Por el contrario, lo más valioso es comprender a profundidad los problemas del negocio, encontrar la estructura adecuada para el equipo de trabajo y diseñar una solución que involucre a los stakeholders al nivel más alto para asegurarse de que el cambio ocurra. Como decía el economista y docente Henry Mintzberg, las organizaciones son comunidades de seres humanos, no conjuntos de recursos humanos.

Lo anterior a veces involucra un cambio cultural, en espacial cuando las organizaciones tienen una jerarquía fuerte. Antes de pensar en utilizar modelos de inteligencia artificial, sería beneficioso considerar una transformación cultural para aprovechar estas nuevas tecnologías de una manera más eficiente.

Autor: Francisco Rosales. Profesor investigador en ESAN Graduate School of Business. Doctor en Matemáticas por la Universidad de Goettingen. Magister en Matemáticas Aplicadas y Estadística por New York State University at Stony Brook. Se ha desempeñado como Gerente en el área de Servicios Financieros en Ernst & Young (EY), ha sido profesor investigador de Finanzas en la Universidad del Pacífico; investigador asociado del Instituto de Matemática y Estocástica en la Universidad de Goettingen, y científico en el Grupo Consultivo para la Investigación Agrícola Internacional (CGIAR). Además, ha sido consultor de empresas nacionales e internacionales en temas de análisis cuantitativo. Su principal área de investigación es la estadística no- paramétrica y sus aplicaciones a series de tiempo y data funcional.

*Andrew White (2019), Our Top Data and Analytics Predicts for 2019. Garter Blog. https://blogs.gartner.com/andrew_white/2019/01/03/our-top-data-and-analytics-predicts-for-2019/