Venium

Los equipos de datos eficaces aportan conjuntos de habilidades diversos e interfuncionales a los profesionales de la empresa claramente definidos, sin perder de vista el valor de la experimentación y la formación continua.

Una analítica de datos eficaz puede dar a las empresas una enorme ventaja competitiva, ya que los directivos pueden obtener nuevos conocimientos sobre las tendencias y los comportamientos de los clientes que de otro modo no serían posibles.

Para sacar el máximo provecho de sus recursos de información, las empresas deben contar con un sólido equipo de análisis. ¿Qué se necesita para reunir y mantener un equipo de primera categoría, y qué deberían hacer estos equipos para tener éxito?

Estas preguntas no son triviales. En este entorno fuertemente impulsado por los datos, la forma en que las empresas construyen y gestionan un equipo de expertos en análisis podría tener un gran impacto en el negocio en los próximos años.

Pero antes de formar el equipo de análisis de datos, hay que formular la misión y los estatutos del equipo, dice Jeffry Nimeroff, CIO de Zeta Global, una empresa de marketing de gestión del ciclo de vida del cliente.

En demasiadas organizaciones, la analítica de datos está integrada en la noción más tradicional y anodina de «informes y análisis«», afirma Nimeroff. «En estas configuraciones, a menudo se da el caso de que los informes reactivos tienen prioridad. Como siempre hay otra forma de formular informes más significativos, esto puede convertirse en un ciclo interminable en el que el verdadero poder de la analítica de datos nunca se aprovecha del todo.»

El éxito de los datos comienza con la diversidad

A la hora de crear un equipo, no hay que limitarse a buscar sólo profesionales de la analítica. La diversidad es fundamental para el éxito, dicen los expertos.

«Es muy importante incluir no sólo a personas con habilidades analíticas, sino también a aquellas con habilidades de negocio y de relación que puedan ayudar a enmarcar la pregunta en primer lugar y luego comunicar los resultados de manera efectiva al final del análisis», dice Tom Davenport, un asesor senior de Deloitte Analytics y autor del libro Competing on Analytics: The New Science of Winning.

El conglomerado multinacional GE valora la diversidad de capacidades de sus equipos de análisis. «Los datos y la analítica son más eficaces cuando las habilidades tecnológicas de primera clase se combinan con un sólido conocimiento del dominio funcional», dice Christina Clark, directora de datos de la empresa.

Esto puede lograrse si se cuenta con un equipo con una variedad de antecedentes empresariales; una mezcla de habilidades tanto informáticas como funcionales, dice Clark. «Estamos haciendo grandes progresos en el desarrollo de soluciones innovadoras para apoyar nuestra función financiera», dice. «El equipo de datos que apoya este esfuerzo está compuesto por profesionales de TI de larga data, pero también por analistas financieros, ex auditores y gerentes de finanzas».

Un sólido conocimiento de la ciencia de los datos es, por supuesto, fundamental para cualquier equipo de análisis, y debe haber estadísticos, matemáticos y expertos en aprendizaje automático en el equipo que entiendan los algoritmos y cómo se pueden aplicar en los datos, añade TP Miglani, director general de Incedo, una empresa de servicios tecnológicos.

«También se necesitan tecnólogos, ingenieros de datos que puedan construir los conductos para obtener los datos y completar todos los análisis», dice Miglani. «Y también se necesitan expertos en negocios que comprendan las complejidades del ámbito para el que se está resolviendo el problema. Por ejemplo, si el problema en cuestión es la creación de medicamentos basados en datos, entonces necesitas farmacólogos y biólogos cuantitativos».

Técnicamente, se supone que un científico de datos es un alguien que puede hacer todo esto simultáneamente, dice Miglani. «Pero los unicornios no existen», dice. «Los equipos de ciencia de datos exitosos son diversos, donde los individuos traen estas competencias que necesitan unirse».

La gestión del cambio

Si un proyecto de analítica implica una analítica prescriptiva u operativa (por ejemplo, si los resultados se vincularán a un proceso de negocio o a un conjunto de puestos de trabajo), también es necesario que alguien gestione el proceso de cambio, dice Davenport. «El proyecto ORION de UPS, que dio lugar a cambios drásticos en las rutas de los conductores, dedicó una gran cantidad de tiempo y energía a la gestión del cambio», señala.

Dado que el equipo se apoyará en gran medida en la infraestructura tecnológica, como las herramientas de big data, también es importante que el departamento de TI esté representado en el equipo de análisis de alguna manera. «Aunque el grupo de análisis no dependa del departamento de TI, suele ser una buena idea contar con alguna representación de la función de TI en el equipo», afirma Davenport.

Expertos externos y equipos integrados

Muchas empresas recurren a expertos externos para que les ayuden con los proyectos de análisis. Eso está bien, pero es importante asegurarse de que los esfuerzos del proyecto realmente satisfacen las necesidades de la organización.

«Si hay algunos miembros del equipo que son trabajadores externos, intente asegurarse de que hay al menos un empleado [interno] en cada proyecto, que pueda ayudar a garantizar la adopción de los resultados de la analítica», dice Davenport.

Y siempre que sea posible, el equipo de análisis debe formar parte formal de la empresa que realiza el análisis o, al menos, estar integrado en ella durante el periodo del proyecto. La empresa de bienes de consumo Procter & Gamble solía hacer esto a través de analistas «integrados», dice Davenport, pero ahora los hace depender del jefe de la función o unidad de negocio correspondiente.