Por qué la analítica es clave en cualquier transformación digital
En 2021, un estudio de McKinsey encontró que el 69% de los proyectos de transformación digital fracasan.
Sorprendente… o tal vez no. Aunque el número de fracasos es significativo, la transformación digital es un proceso largo y arduo. Muchas organizaciones adoptan nuevas tecnologías para automatizar flujos de trabajo y dan por terminado el proceso. Si bien eso puede ayudar a ahorrar tiempo, no transforma mágicamente a una organización en una operación tecnológica impulsada por datos.
La transformación digital no es un solo paso y listo. Consiste en tres pasos continuos que dependen del feedback entre sí para funcionar. Si un paso falla, toda la transformación se tambalea. Estos tres pasos son:
- Automatizar
- Analizar
- Mejorar
Cuando tu organización puede pasar de la automatización al análisis, luego a la mejora, y nuevamente a la automatización, logras una transformación digital exitosa.
A esto lo llamamos el ciclo de transformación.
El ciclo de la transformación
Una transformación digital te permite recoger datos sobre los procesos que digitalizas. A partir de esos datos, buscas mejorar algo: aumentar las ganancias, mejorar la eficiencia o satisfacer a más clientxs.
Estas mejoras solo se logran con la continuidad del ciclo de transformación.
El ciclo de transformación es un bucle de retroalimentación conocido. En logística, se le llama mecanismo operativo. En la gestión de operaciones, es el proceso DMAIC. El estratega militar John Boyd llamó al proceso de toma de decisiones el OODA loop.
En el mundo digital, este “ciclo de transformación” consta de las tres etapas mencionadas anteriormente (automatizar, analizar y mejorar).
La automatización es un primer paso sencillo. Tu equipo automatizará algo en tu organización mediante soluciones de software (integraciones o aplicaciones personalizadas). Y, por supuesto, este software genera datos sobre los procesos que automatizan.
En la fase de análisis, los datos recién recopilados miden el proceso recién automatizado. Ingenierxs de datos, analistas de datos y, a veces, científicxs de datos apoyan esta parte del proceso.
La parte de mejora del ciclo utiliza el análisis para determinar dónde debería centrarse la atención en la fase de automatización siguiente. Las mejoras pueden afectar la interfaz del usuario, la retención de empleadxs o las integraciones con mejores datos. A medida que se acumula la evidencia analizada, lxs gerentxs de producto, científicxs de datos y analistas de datos trabajan juntxs para identificar y seguir las mejoras, asegurando que la próxima fase de automatización sea productiva.
La pieza faltante del ciclo en la transformación digital
Un ciclo “gira” porque hay un peso distribuido uniformemente que impulsa el sistema. Pero lo que hemos observado en los últimos años es lo siguiente:
Las organizaciones se quedan atascadas en la fase de automatización, con los mejores equipos de software pero sin inversión en las fases de “análisis” o “mejora”. Obtienen datos, pero estos no se utilizan para nada. El ciclo se queda atascado en la automatización.
Como no saben qué necesita mejorar, los equipos de automatización siguen automatizando y recopilando más datos sin una razón estratégica.
La transformación analítica
El componente que suele faltar en esta evolución es, por lo general, una transformación analítica.
Una transformación analítica comienza con el análisis de los datos recopilados por el proceso recién automatizado. Luego, decides qué haría que el nuevo proceso sea efectivo para lxs clientxs, empleadxs y accionistas. Finalmente, modificas tu software para implementar esa mejora antes de comenzar el proceso nuevamente.
Para que funcione, tu transformación analítica requiere una relación sólida con tus fases de automatización y mejora. Por ejemplo, es probable que tus aplicaciones no estén recopilando todos los datos que necesitas. Por lo tanto, debes trabajar con tu equipo de ingeniería para asegurarte de que se desarrolle la recopilación de ciertos datos.
Afortunadamente, en los últimos años, el almacenamiento de datos ha experimentado su propia transformación digital. DataOps ofrece una forma de organizar el resto del ciclo. El uso de DataOps para gestionar herramientas ha tenido un impacto enorme en la fiabilidad de los almacenes de datos y sus cronogramas.
Con DataOps, tu transformación analítica tiene el mismo nivel de previsibilidad que una transformación digital. Y si observamos la división del trabajo en el ciclo, ese trabajo es sustancial.
En la práctica, todo lo que está a la derecha de la línea blanca en el diagrama del ciclo corresponde a una transformación analítica. Esto requiere equipos competentes de DataOps, que incluyan científicxs, ingenierxs y modeladorxs de datos.
Todo lo que está a la izquierda de la línea blanca es una transformación digital y necesita equipos de ingeniería de software y de producto.
No avances sin tracción
Muchos esfuerzos de transformación se prolongan durante años y nunca logran tracción. Una organización intenta volverse impulsada por datos, pero los esfuerzos se estancan porque no pueden medir los impactos en lxs usuarixs o capturar datos sobre los flujos de trabajo de lxs usuarixs, o porque los datos nunca se integran del todo.
El ciclo de transformación necesita funcionar de manera conjunta para que puedas lograr una mejora continua. La transformación digital te lleva a la automatización, pero si no la sigues con una transformación analítica, no podrás analizar ni mejorar. Equilibra tus inversiones a lo largo del ciclo y recuerda que todo necesita un impulso inicial para que las cosas funcionen sin problemas.
