La transformación digital es el tema de moda, todos quieren abordar la temática, desde la empresa y desde la academia. Ya nadie duda que las tecnologías disruptivas transforman los modelos de negocio. Esta convicción se basa en nuestra experiencia cotidiana: solo basta con subscribirse a un servicio digital o realizar una compra en línea o una transacción digital para entender que la forma de hacer negocios ya no es la misma, y que las empresas deben evolucionar para sobrevivir en la Era Digital.
La Inteligencia de Negocios (IN) es uno de los pilares de esta transformación digital. A pesar de ser un concepto surgido en los años 80 y popularizado en los 90, sigue vigente y su valor ha crecido exponencialmente de la mano de las tecnologías disruptivas. La IN no es una herramienta en particular, sino un concepto amplio que incluye buenas prácticas, metodologías, procesos, capital humano y plataformas que habilitan la recolección de datos relevantes para las organizaciones, así como su almacenamiento y su análisis para apoyar la toma de decisiones.
Si bien la Era Digital ha generado un enorme flujo de información, muy variado, a veces no estructurado y sumamente dinámico, también han evolucionado las herramientas de generación, almacenamiento, visualización y análisis de datos, abriendo grandes áreas de oportunidad. El principal reto es diseñar sistemas de IN que asistan efectiva y eficientemente en los procesos de toma de decisiones y generen valor específico dentro de la organización.
Un error común al diseñar sistemas de IN es enfocarse en la información disponible en lugar de la información necesaria. Otro error es dar más importancia a la herramienta de IN (visualización y explotación) que al análisis de las necesidades de datos y de modelos relacionados con los procesos de toma de decisión, sobre todo aquellos que realmente agregan valor a la organización.
Como profesor de EGADE Business School y consultor en inteligencia de negocios, identifico tres grandes retos que enfrentan hoy las organizaciones al implementar sistemas de IN:
- Falta de claridad del verdadero propósito del sistema de inteligencia. No se trata de generar un gran almacén de datos ni un tablero de control que tenga una vista colorida y espectacular, se trata de conseguir los datos relevantesy hacer un análisis confiablepara apoyar la toma de decisiones.
- Considerar todas las fuentes de datos, en especial las que son externas. La mayoría de los proyectos se convierten en una oferta pushde datos, generando gran cantidad de tableros con la información disponible en los sistemas centrales, en vez de la información que necesita el tomador de decisión. No se realiza un análisis riguroso para determinar si los datos externos (clientes, competencia, proveedores, mercado, etc.) son más importantes que los datos internos (ventas, inventarios, cobranza, etc.).
- Gestión independiente de los proyectos de IN. Comúnmente, las áreas responsables de los sistemas transaccionales manejan un portafolio de proyectos y mejoras muy extenso, están saturadas de trabajo y tienen que lidiar con entregas fuera de tiempo. Los sistemas de inteligencia deben ser ejecutados por especialistas, dar respuesta rápidamente y estar en constante mejora.
Las organizaciones más exitosas son las que apoyan la toma de decisiones con sistemas de IN a todos los niveles, desde la estrategia hasta las operaciones diarias, generando ventajas competitivas basadas en la explotación de datos valiosos. Estas son las tres áreas de oportunidad más interesantes para capitalizar la inteligencia de negocios:
- Conocimiento del cliente: La trasformación digital ofrece una sólida plataforma de aplicaciones que permiten recolectar datos sobre nuestros clientes. Un buen diseño de plataforma digital abre un canal continuo que genera información valiosa sobre los gustos y preferencias de nuestros clientes, su nivel de satisfacción y su intención de compra. En la medida que se logre obtener datos sobre el perfil de los clientes, se pueden diseñar tableros de control que ayuden a los equipos de mercadotecnia a aplicar soluciones y servicios uno a uno.
- Optimización de programas de producción y de rutas: La tecnología conecta no solamente a los clientes, sino a todas las máquinas que producen bienes dentro de una planta. Los sensores permiten recabar una gran cantidad de datos del proceso productivo, de tal forma que los sistemas de inteligencia pueden detectar en tiempo real áreas de mejora y generar programas de producción optimizados. El mantenimiento predictivo es una realidad: con los modelos adecuados se puede pronosticar la falla de un equipo y detectar claramente sus causas raíz. Los equipos de distribución, ya sea de materia prima o de producto terminado, también pueden ser conectados en tiempo real para optimizar la flota, tanto en tipo de equipo como localidad, rutas de entrega, consumo de combustible, etc.
- Analítica del talento humano: La Era Digital demanda talento humano altamente capacitado y motivado. Cada generación de colaboradores tiene sus fortalezas y debilidades. Los sistemas de IN permiten recolectar datos de las actividades realizadas por los colaboradores y gestionar el desempeño en tiempo real. Las áreas de gestión de talento tienen ahora a su alcance herramientas que permiten identificar los perfiles más productivos y correlacionar los programas de trabajo y condiciones laborales para diseñar los mejores sistemas de incentivos.
Esta lista de áreas de oportunidad no es exhaustiva, es un pequeño ejemplo de lo que se puede lograr a través del correcto diseño, desarrollo e implementación de un Sistema de Inteligencia de Negocios. A pesar de los retos que conlleva una iniciativa de este tipo, los resultados pueden superar por mucho los esfuerzos y las inversiones. Por esta razón, las empresas líderes de la Era Digital se han enfocado en desarrollar capacidades de recolección y analítica de datos. Estas capacidades, en pocas palabras, son la nueva forma de competir en el mercado.
