Customer Journey Analytics: un enfoque integral

La gran mayoría de las empresas trabajan actualmente en alguna iniciativa de transformación digital. Si bien el entorno digital ha dominado la forma de hacer negocios en los últimos años, hay organizaciones que han aprendido –por las malas— que las soluciones copiar-pegar y de talla única no son las adecuadas, ya que acarrean grandes pérdidas de tiempo y dinero. El diseño de experiencia de cliente (UXD, por sus siglas en inglés) ha sido una herramienta muy valiosa para definir claramente una solución particular y personalizada a cada negocio, alineando su estrategia y visión a corto y largo plazo. Sin embargo, el UXD también representa grandes retos, empezando por la recolección de datos a lo largo de todo el customer journey para su futuro análisis y gestión.

Para diseñar una experiencia de cliente, lo más frecuente es empezar con sesiones de diseño colectivo mediante las cuales los expertos realizan una lluvia de ideas con el fin de identificar lo que los clientes gozan o sufren a lo largo de toda la cadena de valor. En la práctica, muchas de estas sesiones terminan con conceptos intuitivos y subjetivos porque no existen los suficientes datos para llegar a conclusiones más objetivas y cuantitativas.

En una etapa inicial, es suficiente preguntar a un grupo reducido de personas cuál ha sido su experiencia y qué sugerencias tiene para mejorarla. De igual forma, nos podemos conformar al inicio con la opinión de un grupo de colaboradores, quienes con base a sus conocimientos pueden proponer mejoras en los procesos internos de la organización.  Sin embargo, este tipo de ejercicios serían, cuando mucho, una versión 1.0 de la solución adecuada. 

Es importante entender que la gestión de un customer journey es un proceso vivo, dinámico y heterogéneo. Por tal razón, es necesario habilitar tecnologías que permitan recolectar datos en tiempo real de todos los clientes, a través de todos los puntos de contacto. Esto no es un esfuerzo menor, demanda el diseño de una solución integral y automatizada.

Ante esta necesidad de datos y herramientas de análisis, sobresale la interacción entre el customer journey y las tecnologías disruptivas. Los modelos de inteligencia de negocios sirven para integrar todos los elementos en un esfuerzo estratégico. Podemos definir un sistema de inteligencia de negocios como una solución integral, tanto de metodologías como de herramientas, que tiene como objetivo desarrollar los siguientes cuatro componentes dentro de la organización:

1. Mapeo de Fuentes de Datos: En este componente se buscan todas las fuentes de datos relevantes para la organización, tanto internas como externas. Se definen claramente los datos a recolectar, los sistemas que los contienen y los dispositivos que los generan. En un proceso de mejora continua, estas fuentes están en constante actualización
2. Proceso de Extracción, Transformación y Carga (ETL): Para cada fuente de datos, se diseña una solución que permita la recolección de datos, así como su validación y transformación necesaria. Existen actualmente muchas tecnologías disruptivas que potencian a este componente, tales como el Internet de las Cosas, la inteligencia artificial y robots especializados. 
3. Gobierno de Datos y Almacenamiento (DWH): Este componente es fundamental puesto que almacena y gobierna todos los datos de la organización, ya validados y estructurados.  Aquí es donde radica el potencial conocimiento de toda la experiencia del cliente, incluyendo todos los puntos de contacto y todos los elementos de valor.
4. Analítica de Datos y Toma de Decisiones: Esta es la última capa del sistema, la cual se enfoca en extraer y descubrir todo el conocimiento valioso ya recolectado y estructurado. En esta capa existen diferentes tipos de análisis y algoritmos que permiten encontrar la solución a problemas complejos. Este componente es el que apoya a todos los tomadores de decisiones con una misma versión de lo que está sucediendo adentro de la organización y en su entorno. Existen tres tipos de análisis que se pueden ejecutar: descriptivo (¿qué pasó?), predictivo (¿qué pasará?) y prescriptivo (¿qué debo hacer?)

El error más común que comenten las organizaciones al ejecutar proyectos de analítica de datos es enfocarse en uno de los componentes y perder la visión del sistema completo. Muchas empresas se enfocan en la recolección, y como consecuencia, logran acumular gran cantidad de datos, pero no saben qué hacer con ellos.  Otras se enfocan en las herramientas de análisis y visualización, pero no tienen suficientes datos para llegar a conclusiones y hallazgos interesantes. 

El reto está en unir todos y cada uno de los componentes del sistema, alineados a una estrategia de experiencia de usuario. Las empresas que hoy en día están ganando la competencia por los clientes han logrado balancear el desarrollo integral de sus capacidades de inteligencia de negocios, de adopción de tecnología y de analítica avanzada centrada en el cliente.

Los autores son profesores de planta (Gilberto Olavarrieta) y cátedra (Carlos Rodríguez Maillard) en EGADE Business School.

Artículo publicado originalmente en Forbes.