Confiar en el Big Data para tomar decisiones empresariales puede ser una estrategia inteligente… y también puede llevarlo en la dirección equivocada. A continuación, le explicamos cómo utilizarlo de forma inteligente.
Busque en Google el verbo “Big Data” y obtendrá 3.680 millones de resultados (a 8 de junio de 2018). Mire las entradas principales (las 10 primeras más los anuncios pagados), y mire quién está en la primera página: Oracle, IBM, SAS (socio de IBM), McKinsey, Informática. El Big Data es un gran negocio. ¿Está justificado ese gasto?
Definitivamente, y no del todo, dependiendo de lo que se espere de él.
Definitivamente, por sentido común. El Big Data, junto con la analítica para procesarlo, significa previsiones mejores, más rápidas y más precisas y, por tanto, decisiones mejores, más rápidas y más precisas. La prensa económica (Oracle, IBM, etc.) puede ofrecer grandes historias, grandes anécdotas y grandes estudios de casos para mostrar cómo el Big Data permitió a las empresas orientar con mayor precisión la publicidad y la promoción, segmentar la base de clientes, planificar la producción y el inventario, y una horda de otras aplicaciones en todas las operaciones internas, desde los recursos humanos hasta el marketing y la I+D. Piénselo: ¿Qué gestión será más eficaz a la hora de competir, la que utiliza conjeturas e intuiciones o la que utiliza millones de números para respaldar sus decisiones?
La respuesta debería ser sencilla, pero no lo es. Irónicamente, hay pocos datos sobre el valor del Big Data. No sabemos si el emperador lleva ropa nueva o si se comparten demasiados datos en la oficina abierta. En un artículo de 2012 de Harvard Business Review, escrito por Andrew McAfee, del MIT, titulado “Big Data: The Management Revolution”, el autor admite la escasez de buenas mediciones sobre la revolución de una mejor gestión. Informa de los resultados de una encuesta realizada por su equipo y McKinsey que muestra que las empresas que declararon utilizar Big Data obtuvieron mejores resultados. Sin embargo, también revela que demasiados ejecutivos “fingen estar más orientados a los datos de lo que realmente están”. Esto apoya la conclusión de Phil Rosenzweig en su libro, The Halo Effect, sobre estudios similares que sufren el efecto de la variable dependiente (rendimiento) sobre la variable independiente (uso de Big Data), lo que hace que los resultados sean bastante inútiles. Como demuestra Rosenzweig, varios estudios muy conocidos sobre “fórmulas de éxito” corporativo dieron lugar a conclusiones espurias basadas en este sesgo.
Así que, aunque no hay datos sobre el valor del Big Data, podemos declarar que el uso de más datos y mejores técnicas estadísticas sólo puede mejorar la gestión. Y ese es en realidad el problema tanto como la solución. El uso de Big Data y de la analítica se ha restringido casi por completo a los datos internos o a la información táctica de las redes sociales. Ambos pertenecen a lo que Michael Porter llamó “eficacia operativa”, pero tienen poco o ningún efecto en la competencia.
El big data no ayuda a la estrategia
Gestionar mejor debería estar, y está, en la mente de todos los ejecutivos. Pero se trata de una carrera sin ganadores y sin ventaja competitiva sostenible. A medida que una empresa de la lista Fortune 500 utilice el Big Data y la analítica, otra se apresurará a hacer lo mismo. En ese momento, otras empresas temerán quedarse atrás (los consultores difundirán el rumor de que todos los demás ya utilizan Big Data), y estos proveedores de plataformas/consultores perpetuarán el gasto hasta que llegue la siguiente mejora de la productividad. La carrera continuará a medida que cada uno de los proveedores de Big Data se haga muy rico, al igual que ocurrió con las inversiones en tecnología de la información. Es exactamente como se supone que funciona el capitalismo, pero no ayuda a pensar estratégicamente… ni a competir.
La diferencia entre el uso de Big Data y la analítica para mejorar la ejecución actual de la estrategia existente frente a la mejora de la estrategia en sí (es decir, competir mejor) puede quedar muy clara utilizando un ejemplo dado (irónicamente) por McAfee para demostrar el valor de Big Data. El artículo cuenta cómo una gran empresa mejoró su promoción de marketing para sus distintas marcas utilizando Big Data. La velocidad del ciclo de promoción se redujo de ocho semanas a una. ¿La empresa? Sears.
¿Hace falta decir más?
Para ser justos, el autor de McAfee reconoce que el Big Data no es un sustituto de la visión y la estrategia correctas (es decir, de la competencia), pero sus advertencias son, naturalmente, una especie de idea tardía. No deberían serlo. Sustituir las buenas decisiones tácticas por excelentes decisiones tácticas no cambia ni un ápice el núcleo de los problemas de las empresas. Acelerar el ciclo de promoción está bien, pero no evitará que el barco se hunda. Lo que importa es identificar los riesgos estratégicos y las oportunidades estratégicas con antelación, y actuar sobre ellos antes de que el rendimiento se resienta. Eso es lo que significa practicar la habilidad de competir.
Para abordar este problema central, el Big Data (y la analítica para convertirlo en inteligencia) tiene que migrar al entorno competitivo con su multitud de jugadores de alto impacto, ayudando así al líder experto en competir a superar a los demás jugadores. La segmentación sobrehumana de la desventurada base de clientes existente para micro dirigir los anuncios no ayudará en absoluto a comprender el efecto de terceros en su rendimiento y perspectivas futuras.
Un ejemplo: Procter & Gamble. Un artículo de 2016 en Harvard Business Review elogiaba sin descanso la máquina de innovación de P&G. Un informe de McKinsey alababa su revolución digital. Sin embargo, P&G, el rey de la comprensión del consumidor, se ha convertido en una sombra de lo que fue. Competir es mucho más que invertir millones en Big Data. Competir significa tener una visión global.
La cuestión de aplicar el Big Data a la competencia y a otros en el mercado se reduce a dos simples preguntas:
¿Cuáles son las cuestiones importantes que afectan a la forma de competir bien en su mercado?
¿Le ayudan los exabytes, los zettabytes o los haveanotherabytes a responder a esas preguntas?
Los números no hablan por sí mismos. Los datos no son sabiduría; ni siquiera son análisis. Son datos. Usted, el inconformista, el pensador independiente y crítico, debe encontrar los números adecuados, aplicar el análisis apropiado y llegar a las conclusiones adecuadas.
Articulo traducido y adaptado de https://www.entrepreneur.com/
Francisco Esteban Pérez Yoma es un ingeniero y empresario chileno del sector inmobiliario. Estudio en el Saint George’s College y en la Universidad de Chile, donde se tituló como Ingeniero Civil.