Del Dato al Conocimiento

La selección de casos de uso es una práctica habitual para abordar la transformación data-driven de las compañías, pero en la mayoría de los casos estos casos de uso no alcanzan el resultado esperado, generando desilusión y frenando la necesaria transformación.

En algunos casos, nos encontramos con fracasos que dinamitan todo el esfuerzo transformacional de la compañía. Por este motivo, siempre recomiendo realizar, tras cada caso, un análisis que nos ayude a identificar aspectos de mejora que permitan mejorar los resultados de los siguientes casos de uso.

Pilares de una organización data driven

Tras analizar muchos casos de uso implementados en diversas compañías, se puede identificar la principal causa del fracaso de estos, que no es otra que la mala gestión de las expectativas, pero si profundizamos un poco más en los motivos subyacentes, nos encontramos que la mayoría se producen por un inadecuado alineamiento del caso de uso al estado de madurez de los pilares data-driven de la organización, que si son tres: tecnología, talento y organización y cultura.

• Tecnología: se tiene que identificar las tecnologías implantadas en la compañía y utilizarlas para resolver el caso de uso. Si el caso de uso requiere de una tecnología nueva para la compañía es conveniente realizar el proceso en dos pasos, primero introducimos la tecnología con otro caso de uso sencillo, conocido y fácil de implantar. Posteriormente abordamos nuestro caso de uso analítico con la tecnología siempre que tengamos la experiencia suficiente. Es importante recordar que abordar un caso de uso analítico con una nueva tecnología es elevar a la potencia el riesgo de fracaso.
• Talento: se debe disponer de un mapa de capacidades internas que abarquen todas las acciones a realizar en el caso de uso. En caso contrario, se deberían incorporar nuevas capacidades en la compañía de forma interna o externa y testarlas en otro caso de uso sencillo, conocido y fácil de evaluar que permita generar la confianza profesional entre todos los miembros del equipo. Si identificamos un problema en un caso nuevo que está siendo realizado por un equipo nuevo, surgirá la desconfianza entre los miembros.
• Organización y cultura: es necesario asegurar que la compañía está preparada para poder poner en valor el conocimiento extraído de los datos contando con los procesos adecuados y la cultura necesaria. Hay que recordar que todo lo nuevo genera rechazo y más cuando no se comprende perfectamente sobre todo cuando sabemos que todos los modelos que generemos fallarán en casos concretos.

Selección de los casos de uso

Si la organización está en una etapa incipiente de su data-driven journey, es recomendable seleccionar casos de uso sencillos que requieran una fácil o inexistente implantación tecnológica y que afecte al menor número de procesos funcionales.

Además, sería conveniente seleccionarlo entre los que hayan sido un éxito en otras compañías del sector. Por el contrario, si el grado de madurez de los pilares de la organización data-driven es elevado se puede optar por casos de uso más innovadores y arriesgados, puesto que la compañía asumirá y premiará ese riesgo.

En algunas ocasiones nos encontramos con compañías con niveles de madurez heterogéneos, por ejemplo, fuertes en tecnología y talento, pero débiles en la transformación cultural.

En estos casos es fundamental identificar los puntos fuertes y seleccionar los casos de uso que se sustenten en dichos puntos rechazando los que se sustenten en los otros pilares que tenemos menos desarrollados o evolucionados.

Si quieres tener éxito en el desarrollo de casos de uso analíticos y convertirte en una compañía data-driven recuerda alinear los casos de uso con el estado de madurez de los pilares data-driven de la compañía.

■ Artículo inicialmente publicado en el libro “A Data-Dirven Company” del Dr. Richard Benjamins. Si quieres saber algo más del libro te recomiendo otro post en el que hago una reseña.

Artículo originalmente publicado en Blog ThinkBigEmpresas