Menos Data, mejores preguntas
Escrito por: Juan Sebastian Rojas Rojas, Coordinador de Información de Mercado
Data Science o ciencia de datos, es una tendencia que cada vez cobra más importancia en el mundo empresarial. Sin embargo, hoy en día la información y el conocimiento son libres y se viralizan con facilidad, lo que hace necesario comenzar a cuestionar y dar una mirada crítica a toda la información que nos llega respecto al mundo de la data.
En muchas ocasiones el concepto de Data Science se ha convertido en un tratado extenso y complejo del que todos hablan pero no todos comprenden y aplican correctamente, para empresas como Google, Facebook, Twitter, Amazon, entre muchos otros gigantes corporativos, esto no se limita únicamente a la teoría. Google, por ejemplo, confía plenamente en la ciencia de datos como un elemento insustituible dentro de su negocio de publicidad. Amazon por su parte, recurre a la transformación de datos pasados de los pedidos de sus clientes para realizar análisis logísticos.
Aún así, la ciencia de datos, más que ser una receta segura para el éxito de las organizaciones, es una herramienta que bien usada y aplicada a cada caso particular puede representar una ventaja competitiva para cualquier empresa.
Hacer análisis de datos que contribuya en la creación de valor de los negocios es posible y no requiere de una gran cantidad de programadores, softwares sofisticados o grandes inversiones de capital. El análisis de datos más coherente con las capacidades de una organización no es el que enfoca esfuerzos en utilizar nuevas librerías de código, tampoco necesita emplear gráficos ni metodologías de computación extraordinarias; simplemente necesita revisar con otros lentes su negocio para hacerse las preguntas adecuadas y enfocadas en crear nuevo valor.
Aunque la tendencia de la sofisticación en los sistemas de información y captura de datos continúe y tenga cada vez más adeptos, muchas organizaciones no necesitan recurrir a esa gran sabiduría, sencillamente necesitan recurrir a “Data” y no a “Data Science”.
En otras palabras, los “pequeños” y simples datos que ya tienen las compañías funcionan muy bien. Este tipo de datos, que son internos, son los mismos que, por ejemplo, le dan a Uber la capacidad para entender en cuáles ciudades es rentable y en cuáles no, o Airbnb le permite saber en qué tipo de propiedades tiene márgenes más altos. Ambas compañías utilizan análisis más sofisticados en términos estadísticos para asignar vehículos o habitaciones, pero este proceso puede resultar costoso para otras empresas con menor músculo financiero.
El hecho de que una empresa cualquiera compre nuevas y sofisticadas herramientas o tenga un ejército de programadores con pantallas de alta definición no significa que tenga la capacidad de extraer la información necesaria.
Si bien una minería de datos exhaustiva y casi que microscópica ofrece información relevante, lo que las empresas deben preguntarse es si esa información ayuda a responder las situaciones y necesidades a las que se enfrentan. A pesar de que la ciencia de datos está en todas partes, puede que en realidad la organización no requiera una profundización en herramientas sofísticadas, ya que con SQL y Excel se podría extraer información de valor.
Muchas empresas tienen un tesoro en analítica de datos perdido entre varios archivos de Excel y probablemente ni siquiera lo saben. Con la perspectiva adecuada, las organizaciones podrían extraer información que impulse la generación de valor (EBITDA, EVA, etc.) y guíe su crecimiento rentable y sustentable en el tiempo.
Por lo anterior, resulta fundamental que cualquier negocio comprenda los aciertos que ha tenido a lo largo de los años. Por ejemplo, algunos datos como el margen por tipo de producto o servicio, la sensibilidad del EBITDA ante un aumento de precios, los puntos de venta y/o clientes con EBITDA negativo hacen parte de una riqueza insospechada de información corporativa que permitirá impulsar en el corto plazo la utilidad financiera.
Con las capacidades de Excel (y Powerpivot, su versión con esteroides) se puede extraer, procesar y analizar información valiosa. Desde su base de datos primaria es posible cruzar datos de ingresos y costos con datos operativos de cada transacción, lo que permite entender el esfuerzo real que generó cada peso vendido y cada peso ganado.
Si adicionalemente las empresas logran etiquetar todas las transacciones de acuerdo con los distintos canales, zonas geográficas de venta, segmentos de clientes; estaría en condiciones de identificar a cuáles mercados y clientes debería dirigir los esfuerzos de su organización midiendo el impacto monetario real en la rentabilidad. A partir de allí, la compañía podrá encaminar acciones que maximicen la caja manteniendo en niveles mínimos el esfuerzo y el gasto de recursos.
Las cinco preguntas que debe hacerse cualquier compañía antes de analizar datos:
1. ¿Queremos aumentar ingresos o utilidad financiera?
2. ¿Estamos destinando los recursos y esfuerzos de manera óptima en los clientes actuales?
3. ¿Cuáles son los productos y/o servicios con mayor margen? ¿Menor margen?
4. ¿Qué impacto tendría sobre el beneficio financiero un aumento de precios?
5. ¿Cuáles productos/servicios/puntos de venta/clientes vamos a dejar de atender porque no son rentables?
“Si quieres profundizar sobre el tema, te recomendamos el libro Playing to Win (Harvard Business Review), escrito por Roger Martin y G. Lafley.
Hacer las preguntas correctas es uno de los aspectos más importante, sino el que más, en la era de los datos. Una base de datos por sí sola nunca nos revelará información de interés a no ser que tengamos identificadas nuestras necesidades o lo que esperamos obtener.
Esperamos que te haya gustado este blog y que hayas aprendido estos nuevos conocimientos para que los pongas en práctica. ¡Si quieres conocer más sobre tecnología, emprendimiento, e innovación te invito suscribirte a nuestro newsletter.
