Capítulo 3: Diseño del área de Analítica e Inteligencia Artificial.

Tal vez pienses que tu organización no está lista para iniciar con la Analítica o la Inteligencia Artificial. ¿Sabes? Estas equivocado. Puede ser que no tengas todas las herramientas listas, pero eso no quiere decir qué debas pausar o detener una estrategia de esta importancia. ¿Cuándo debes comenzar? Ayer.

Esto es Cerebro de Silicio, el futuro de la Inteligencia Artificial, hoy.

Capítulo 3: Diseño del área de Analítica e Inteligencia Artificial.

¿Cuando?

Si estás escuchando este Podcast es porque te estás preguntando ¿cuándo y cómo empiezo un área de Analítica, Inteligencia Artificial o incluso de Business Inteligence? Bien, pues la respuesta es muy simple: Ayer. 

Te lo digo porque lo he visto, lo he vivido. Es increíble ver empresas que no tienen una estrategia de toma de decisiones. Muchas empresas ni siquiera cuentan con datos para tomar decisiones de forma sustentada, a ello, le llaman “experiencia” –algunos, le dicen “olfato”. Pero déjame decirte que es solamente un pretexto. Cualquier empresa, en la era digital, que pone como pretexto la eficacia de la experiencia o el olfato sobre la analítica, está destinada al fracaso. Así de simple y así de duro.

Sí, es muy poco probable que un inexperto pueda enseñarle al dueño de la empresa, al fundador de la empresa o a quien la ha estado dirigiendo durante 20 o 30 o 50 años nuevos trucos. A menos de que esa persona sea un experto en análisis de datos.  

“Los datos siempre dicen la verdad”, es la frase en la industria. Y es así. Los datos no mienten, los datos no tienen intereses, los datos no tienen emociones, los datos no esconden información. Los datos no manipulan. La gente sí. Eliminemos el factor negativo, por ejemplo y dejémoslo en frases como: 

“Yo lo llevo haciendo durante años.” 

“Yo he visto mil veces estos cambios en el mercado.” 

“Yo conozco la empresa, el producto y el mercado como la palma de mi mano”. 

“Siempre lo hemos hecho así y ha funcionado en otras ocasiones.” 

¿Has escuchado estas frases en los pasillos de tu organización? ¿En las juntas gerenciales o directivas? ¿En las entrevistas del patrón? Bien la organización está en problemas. Así es que ¿cuándo debemos empezar un área de análisis? Insisto, ayer. Cuando la organización esté lista para tomar decisiones más documentadas, más informadas, más certeras y con datos duros. 

¿Cómo? 

La siguiente pregunta, ¿cómo debo empezar un área de análisis? La respuesta de muchos y diversos expertos coincide: en la alta dirección. Sí, este proyecto es un proyecto de la alta dirección, de la dirección general, del CEO. Es un proyecto que debe permearse de arriba hacia abajo en la organización, pero siempre pegada a él. ¿Por qué? Porque él es quien da la cara a los inversionistas. Él es quien responde a los dueños. Él es el que tiene la responsabilidad total de la organización sobre sus hombros. Él es quien está detrás del timón. Los resultados son su responsabilidad y mejorarlos es su objetivo. Un área de análisis no sirve, como una radiografía, para ver nada más dónde está el problema. Es una herramienta para mejorar los resultados. Si la radiografía no sirve para decidir y ejecutar una operación, una amputación o una inmovilización, entonces no sirve de nada saber que hay un hueso roto. En ocasiones se pretende resolver problemas sin una radiografía y se prescribe una caminata ligera –el clásico “camina el golpe” que se receta en un torzón de tobillo. Si no hay un área encargada de datos, información y análisis, el riesgo es mucho mayor.  

Así es que ¿cómo se ve un área de análisis?  

1. Director o VP de Analítica o Inteligencia Artificial: Es una posición estratégica. Ya dijimos que debe estar a cargo de alguien de toda la confianza del CEO, que se siente a su derecha en las juntas de dirección y que le dé el briefing para las juntas de consejo.   

Es una posición de negocios, no de sistemas. Esta posición que resuelve problemas de negocio –sí, con herramientas tecnológicas. Habilitar esas herramientas y alinearlas al negocio es la tarea del director. Instalarlas, instrumentarlas y configurarlas es tarea de sistemas (IT), pero su operación no lo es. Ésta área es cliente de IT y no parte de IT. A esta área se le debe de medir con base a mejora en los resultados de los indicadores de la empresa y no en tiempo de respuesta de sistemas o tiempos caídos de sistemas. Esa es la mejor explicación. 

Sí, esta posición debe tener conocimiento básico de tecnología porque deberá hablar, negociar y definir con sistemas tiempos, herramientas, capacidades y presupuestos. Digamos un 80% negocios y un 20% tecnología/IT. (¡Vamos!… ¿Qué ejecutivo hoy en día no tiene al menos un 20% de conocimiento en tecnología?)

Las posiciones clave, a nivel gerencial asemejan una fábrica: Insumos, producción o transformación y entrega o logística. 

1. Gerente de Data Management. Esta posición sí es una posición técnica. Es quien busca los insumos de datos. Esta posición va a buscar los datos al Datawarehouse -al gran bodegón donde IT almacena los datos- y los trae. Dentro de sus tareas, está la limpieza y la estructuración de los datos para su utilización. Tenerlos disponibles y en forma para ser explotados. Siempre digo que es quien invita a los datos para ir a la fiesta. Envía las invitaciones, y se asegura que los datos estén bañados, peinados y perfumados, pero sobre todo que estén listos para la fiesta. Esta posición es un ingeniero de sistemas, normalmente. Conocimientos de bases de datos, SQL entre otras.  

2. Gerente de Análisis de datos (o analítica de datos o Inteligencia Artificial). Esta posición se encarga de darle tratamiento a los datos mediante modelos matemáticos simples -estadísticas, pronósticos, tendencias entre otros- o complejos -Clustering, Minería de Datos, segmentaciones, Machine Learning e Inteligencia Artificial entre otros- (ya analizaremos estos términos posteriormente). Esta posición se encarga de agregar valor a los datos para moverlos a Inteligencia o analítica. Esta posición puede dejarse a un actuario o matemático (un físico o un químico puro). Es ideal para un economista con conocimientos en econometría. Debe entender el negocio de forma básica al menos. Aquí queremos alejarnos del perfil de un ingeniero y que se enfoque más en datos y números y menos en procesos, (si ya se, los ingenieros sobran en tu organización y la tentación es grande. Necesitamos un perfil distinto). La diferencia entre la Analitica y la Inteligencia Artificial dependerá, en este momento, del nivel de madurez de la toma de decisiones necesaria. Ya hablaremos al respecto con mayor profundidad.

3. Gerente de reporte o BI (Business Intelligence). Esta posición se encarga de tomar los datos y presentarlos en tableros de control on line. Liga y automatiza los datos del Datawarehouse que está administrando el Gerente de Data Management para presentarlos a los usuarios y tomadores de decisiones.  De igual forma, toma la inteligencia y la analítica que desarrolló el gerente de análisis de datos y la presenta en tableros de control on line (vivos y actualizables). Manejar herramientas de BI no es complicado, pero ayuda tener una formación de sistemas. Un Ingeniero en sistemas es ideal. Es necesario tener conocimiento del negocio

4. Gerente de Negocio o Business Liaisons: Es importante tener una persona (o varias, dependiendo del tamaño de la empresa y de la atención que se requiere) que tenga comunicación con los tomadores de decisiones o dueños de los tableros de control. Es quien conoce el negocio y es capaz de entender:

• ¿Qué tipo de decisiones deben tomarse? 

• ¿Cuáles son los indicadores importantes? 

• ¿Qué nivel de importancia tiene un indicador sobre otro? 

• ¿Cuáles son las problemáticas de negocio que se quieren resolver? 

  También, debe ser capaz de:

• Comunicar con un lenguaje de negocio que es posible hacer y que no.  

• Simplificar la presentación de la información (es muy común requerir la misma información mensual, quincenal, semanal, diaria y por hora. Exceso de información hace que los ejecutivos se pierdan un innecesario detalle.

• Entender que agrega verdaderamente valor y que no.

Nota: Si tu organización es pequeña, es probable que las funciones puedan simplificarse en menos personas, sin embargo es un riesgo: el perfil del asociado podría cargarse más a manejo de datos crudos en vez del análisis y eso mermará la calidad de la inteligencia que se genere.

El proceso, como comenté anteriormente es sencillo. Insumo, producción o transformación y entrega. Algunas organizaciones, las grandes y robustas, utilizan a una posición de estas por cada área a la que hay que atender: Uno para finanzas, otro para RH, otro para marketing, otro para comercial, etc. Esta posición es alguien con formación en administración o finanzas. Un ingeniero industrial es excelente, es alguien que debe manejar números, leerlos, entenderlos y comunicarlos además de negociar alcances, tiempos y procesos.

El área no es compleja, tampoco debe ser enorme. Los análisis se irán desarrollando por área e importancia. Elegir 10 indicadores de marketing (por ejemplo), identificar los datos en las fuentes de origen, ir por ellos, limpiarlos y procesarlos, desarrollar modelos matemáticos para generar tendencias, pronósticos, clusters y otros y presentarlos en tableros. Una iteración continuará hasta ajustar al máximo a los requerimientos del usuario y simplemente se le dará mantenimiento, reduciendo hasta en un 90% la atención requerida a marketing. Así, se irá a desarrollar nuevas áreas como finanzas o RH o a generar investigación a nuevos desafíos.  

Ya tienes a tu equipo. ¿Qué sigue? Alinearte al negocio.  

Area de Analítics & Inteligencia Artificial.

Organigrama del área de Analytics. El Genrente de Business Liasons tiene el relacionamiento con las áreas de negocio (finanzas, ventas, marketing, operaciones) y define junto con ellos requerimientos a nivel misión del visión y valores del área. Analiza procesos operativos y analiza los indicadores importantes así como las decisiones que deben tomarse. Documeneta y pasa información en un reporte al resto del equipo. El gerente de Business Data Management busca la inforamción en conjunto con IT y se asegurad e que esté limpia y disponible. El Gerente de Análisis de Datos / Analytics manipula la información con modelos matemáticos y herramientas como SAS, R, Phyton u otro para transformar los datos en inteligencia. El Gerente de Reporting y Dashboards se encarga de diseñar el tablero de negocios junto con el Gerente de Business Liaisons. El tablero, los datos y los modelos se presentan en conjunto al director del área de negocios.

Porque es importante este paso? ¿Porque es importante el involucramiento del CEO? ¿Porque es importante su bendición y el involucramiento del resto de los directores o vicepresidentes? ¿Porqué es importante diseñar bien los perfiles de puestos? ¿Porque es importante tener a las personas alineadas a la perfección a los perfiles? Es muy sencillo. Es un área nueva que va a causar alergias y molestias a las demás áreas. Habrán simpatizantes y detractores. Fallar podría poner en riesgo el proyecto de Analítica e Inteligencia Artificial. No puedes darte ese lujo. Por supuesto, antes de generar mejor información, generarán peor información y en ocasiones, incluso, habrá momentos de Information blackout o apagones de información. Por ello, es importante una planeación para estar atentos a los problemas y tener al equipo perfecto para resolverlo.