Uno de los principales objetivos del uso de estos datos por parte de las empresas es el aumento de las ventas. Sin embargo, para lograrlo es necesario disponer, no solo de las herramientas adecuadas, si no del talento que ayude a utilizar los datos a favor de los objetivos empresariales.
En este contexto, Datarmony, compañía experta en consultoría data driven y, perteneciente a MioGroup, ha elaborado un estudio con el objetivo de conocer y analizar el estado de madurez en el que se encuentran las principales compañías españolas en cuanto al tratamiento de los datos. Para ello, primero se ha realizado un estudio de opinión con los profesionales responsables del tratamiento de datos en sus respectivas empresas a los que se ha preguntado por su percepción sobre el estado de madurez de las mismas frente al dato.
En segundo lugar, se ha cruzado la opinión de estos expertos con un análisis sobre la situación tecnológica real de un numeroso grupo de empresas obtenido a partir de una herramienta de rastreo externa, con la intención de comprobar qué tecnologías se han activado realmente en la presencia pública de las empresas.
Con esta aproximación, el estudio ha pretendido entender en qué momento exacto se encuentran las empresas españolas en lo referente a la gestión de los datos desde las siguientes perspectivas: tratamiento, extracción de insights y conocimiento, tecnología, analítica, uso de inteligencia artificial y aprovechamiento de los datos orientados al negocio.
A pesar de que todo el mundo habla del Data-Driven, las empresas están lejos de conseguirlo
Falta mayor profundidad en la ejecución de análisis avanzados
Tras analizar los resultados obtenidos se ha detectado que la mayoría de las empresas considera tener un grado alto de madurez en cuanto a la orientación al negocio de sus datos, la generación de insights, la disponibilidad de una arquitectura adecuada y la adopción de tecnología.Por el contrario, el área donde se perciben más carencias es en el desarrollo y la aplicación de técnicas de Machine Learning e Inteligencia Artificial. Esto puede deberse a que son dos ámbitos que requieren un gran desarrollo tecnológico e implementación de herramientas, así como dotarse de capacidades de conocimiento avanzadas. Sin embargo, son los que se consideran de forma unánime como de impacto más significativo en el negocio. Para Enric Quintero, Founder and CEO Datarmony, el uso de este tipo de herramientas es aún muy incipiente, y en muy pocas compañías: “Es un sentimiento de entre vergüenza y golpe de realidad. Todo el mundo habla de IA, machine learning, etc., pero la realidad es que aún no estoy utilizándolas”. Realmente, Quintero piensa que se trata de una asignatura pendiente, que acabará calando, pero ahora mismo la prioridad está en obtener los datos lo más fiables posibles con las herramientas que se tienen actualmente. “Muchas de las compañías están en una fase en la que son incapaces de dotar del suficiente rigor a sus herramientas”. Además, según varios estudios de alto nivel realizados por consultoras internacionales, en torno al 20% de las organizaciones tienen capacidades de análisis de datos completamente maduras. La mayoría de ellas se centran aún en la gestión y la generación de informes básicos, sin haber desarrollado capacidades para la ejecución y explotación de análisis más avanzados que incluyan modelado predictivo y aprendizaje automático.
El nivel de madurez promedio de las empresas en el uso de análisis de datos puede variar según la industria y el tamaño de la empresa. En general, las grandes multinacionales tienen capacidades de análisis de datos más maduras que las pequeñas o medianas empresas por factores como la mayor capacidad de inversión, la disponibilidad de conjuntos de datos de mayor tamaño y calidad, y un mayor impacto potencial por la globalidad de su negocio. Otro aspecto destacable es que el nivel de gestión y tratamiento de los datos es más avanzado en unas industrias que en otras. Por ejemplo: los verticales de servicios financieros y tecnología suelen estar más avanzados que los sectores industriales o servicios.
Es importante tener en cuenta que el nivel de madurez del análisis de datos no es solo una cuestión de tecnología, sino que también requiere la implementación de procesos, gobierno y cultura en la organización, todo lo cual está estrechamente relacionado con el nivel de madurez. Es por ello que este estudio ha incluido preguntas relacionadas con más aspectos que la mera tecnología, y por ello también se han segmentado, de forma sencilla, los resultados.
Las compañías aún están en fase de aprendizaje
Disponer de los procesos adecuados, la tecnología idónea y el talento mejor formado no es una tarea fácil para las empresas. Según el estudio de opinión, en ninguna de las áreas de interés analizadas existe una mayoría de encuestados que consideren que se esté alcanzando el nivel más alto de madurez.
En definitiva, con este primer análisis se puede afirmar que aún queda mucho margen de mejora respecto a la activación y el uso de los datos en las empresas españolas. Y, por otro lado, del análisis de las respuestas, se concluye que las decisiones se toman, sobre todo, a posteriori, es decir, una vez finalizado el análisis de las acciones realizadas.
Nos encontramos en una situación de aprendizaje, y estamos lejos de aprovechar el potencial que ofrece la tecnología. Esto se confirma, por ejemplo, con la dificultad de encontrar talento y equipos con experiencia relacionados con estas áreas.
De este periodo de avance hacia la digitalización por parte de las empresas, la pandemia se muestra como el momento clave de aceleración en el que la mayoría de las compañías analizadas realizaron importantes avances. Sin embargo, actualmente, la mayoría de las compañías analizadas están en el periodo de recogida técnica de datos, y son muy pocas las que han llegado a la fase de activarlos a favor del negocio.
Como conclusión final, el estudio demuestra que los sectores más maduros tienden a sobredimensionar el número de herramientas, mientras que los menos maduros no suelen cubrir todas sus necesidades digitales. Por tanto, a pesar de que todo el mundo habla del Data-Driven, las empresas están lejos de conseguirlo, siendo pocas las compañías verdaderamente preocupadas por conocer al usuario y activarlos de manera automatizada. El universo relacionado con el dato está aún comenzando su viaje en España y queda mucho por hacer.
Algunas recomendaciones para ser una empresa data-driven
Enric Quintero, Founder and CEO Datarmony, explica que, en primer lugar, la empresa, independientemente del tamaño que tenga, debe hacer una reflexión previa y una labor de consultoría para saber qué resultados quiere obtener con sus datos. “No se trata tanto de hacer un análisis del coste de una herramienta de medición, sino del retorno que se quiere obtener con ella. ¿Por qué tengo x o y herramientas? ¿Qué quiero obtener de ellas? Son preguntas básicas que cualquier compañía debe hacerse”, explica. Además, se da una circunstancia curiosa: “Cuando se pregunta a una empresa qué es el ROI (retorno de la inversión), todas saben responder. Cuando se pregunta por el ROA (retorno de la inversión publicitaria) ya no suelen tenerlo muy claro, pero podrían tener algún tipo de medición más o menos fiable. Pero ya si se les pregunta por el ROD (retorno de la inversión en datos) es algo ya completamente desconocido para ellas. Hay que ir paso a paso”.
Igualmente, hay otro paso posterior que muchas veces pasa desapercibido, o al que, más bien, no se le da el valor que debería tener, y es el testing. Quintero piensa que “antes siquiera de plantearse trabajar con herramientas de machine learning, puede ser muy útil implementar distintas herramientas de testeo para mejorar la presencia digital. La carrera al machine learning no consiste en ir ahí directamente, es un camino en el que hay que ir cumpliendo distintas etapas”, confirma Enric Quintero.
