El Cronista Comercial

Cómo rentabilizar los datos

El universo de Big Data crece día a día de la mano de nuevas herramientas. El trabajo de los equipos de advanced analytics es convertirlo en información útil para el negocio. Cómo lo hacen

Lo primero es la familia: qué hacen las empresas para conciliarla con el trabajo

El debate sobre cómo transformar los datos en dinero ya lleva años en la mente de los especialistas en advanced analytics. Algunas respuestas aparecen para allanar el camino, pero todavía queda mucho para recorrer. En primer lugar, los cambios culturales a la hora de aplicar y usar correctamente estas herramientas siguen siendo un obstáculo para su aplicación en los negocios. Hoy, la cantidad de datos disponible en lo más cotidiano del comportamiento humano abre un mundo de oportunidades para su procesamiento.

Cada vez más, hay muchos datos en manos de las empresas y las organizaciones. De un tiempo a esta parte quienes tengan el monopolio de los datos son los que triunfarán en este mundo, que ya dejó atrás la transformación digital y se dirige al siguiente nivel. La tecnología ya está… ahora, ¿qué hacemos con ella? ¿Dónde vamos? Sobre esos temas dialogaron Diego Yanni, director Ejecutivo de Accenture Digital para la región Sudamérica Hispana, Juan Pablo Rodríguez Varela, líder de Business Data Science/Applied Intelligence de la compañía, Marcelo Soria, de la Maestría en Explotación de Datos y Descubrimiento del Conocimiento de la UBA, y Fernando Raverta, Chief Data Officer del Banco Galicia, en el marco de los desayunos organizados por Apertura y El Cronista.

Con ejemplos concretos como las empresas que brindan wi-fi en medios de transporte a cambio de datos de quienes se conectan para realizarles ofertas de todo tipo o retailers que utilizan los mapas del tráfico pedestre que, cruzados con estadísticas de ventas, sirven para realizar ofertas microlocalizadas o mostrar la mercadería de mejor manera, los datos cedidos por el usuario se usan a diario. En ese marco, el término Big Data quedó insuficiente, dijeron los especialistas invitados, ya que engloba muchas cosas y el hecho de que haya datos disponibles no significa que haya conocimiento.

En ese aspecto, los cinco participantes de la mesa moderada por Sebastián De Toma, subeditor de Infotechnology, prefieren hablar de Data Science, ya que no importa el volumen de los datos sino la calidad. Soria, a partir de su experiencia académica, aseguró que hay una mayor generación de datos pero todavía no se usan correctamente, y mucho menos en los negocios. Sobre esa aplicación práctica Yanni afirmó que hoy las compañías quieren tener la información más democratizada y que no sea solo para un sector de IT. Por eso es clave saber para qué se buscan los datos y en ese camino va Accenture Digital.

“Queremos tomar decisiones de negocios basadas en datos y no solamente en experiencias”, sostuvo Raverta. En un ecosistema de datos cada vez más grande, el Chief Data Officer del banco consideró fundamental ofrecer datos user friendly para que todos los puedan explotar. “La tecnología hoy no es un limitante, pero se necesita de un traductor que analice los datos para poder usarlos”, agregó Yanni sobre este punto. Tal es así que Rodríguez Varela explicó que no alcanza con tener la información, sino que hay que saber para qué sirve y ser creativo en la aplicación de sistemas como machine learning e inteligencia artificial. “Se busca trabajar con datos pero sin tener claro para qué”, sumó Soria como uno de los problemas que se encuentran en este ámbito.

Datos = dinero

En un proceso de recolección y análisis de datos para su aplicación en el negocio, Soria afirmó que el 80 por ciento es preparar esos datos y el 20 por ciento restante es analizarlos. Por eso es necesario tener paciencia en el proceso y no esperar resultados inmediatos que llevan a errores. “Los datos son plata, Netflix, Whatsapp, las redes sociales no paran de conocernos. Todo eso es plata y hay que saber monetizarlo”, sentencia Yanni.

La banca, como un mercado con una innumerable cantidad de datos sobre sus clientes, tiene grandes oportunidades para monetizar la información, no solo para ofrecer mejores productos, sino también para mejorar la experiencia de sus usuarios. “Nos apoyamos mucho en advanced analytics para dar una mejor experiencia y para predecir los riesgos de morosidad”, menciona Raverta como los dos grandes usos que hoy le pueden dar a esta herramienta.

Pero, más allá de la experiencia percibida por los clientes, los datos sirven para aceitar procesos internos y ser más eficientes en cada operación. “Advanced analytics está en lo que no se ve, en analizar cada proceso y optimizarlo”, sostuvo Varela como principal aspecto para reducir costos. De todas maneras, los especialistas recomendaron no creer 100 por ciento en lo digital porque la correlación no siempre implica causalidad. “La tecnología no es el fin, hay que buscar dar valor con esa tecnología”, agregó Yanni con respecto al enfoque correcto para darle a la recolección y al análisis de datos.

Oportunidad o amenaza

Con un océano de datos disponibles, los profesionales de Data Science deben contar con las capacidades necesarias para transmitir esa información a grupos menos técnicos. En todo negocio es clave el ida y vuelta entre las distintas áreas para lograr una buena aplicación en la operación y los procesos. Por eso, Soria enfatizó en la importancia del desarrollo de las habilidades blandas en la etapa académica, una materia que es relegada en perfiles tecnológicos. “Es importante el trabajo en equipo para aplicarlo a los distintos ámbitos”, consideró.

En el Banco Galicia también se busca generar esto, por eso Raverta dijo que se necesita que la gente de data trabaje con el negocio y se relacione con grupos interdisciplinarios. Ambas partes se complementan, ya que hay muchos talentos en las compañías que tienen mucha experiencia en el negocio pero que no saben buscar en una base de datos, por eso es clave la buena y constante comunicación entre las áreas de una firma.

El volumen de datos requiere de un equipo que paso a paso siga el proceso. “Las compañías hacen inversiones y se dan cuenta de que algo falló pero no pueden hacer bien el diagnóstico porque la data sigue siendo un issue”, expresaron los presentes. Esa preocupación es una constante en el sector, ya que creció tanto la cantidad de datos que hizo que sucediera de forma desorganizada.

Si esos datos se usan para brindar una experiencia que se diferencie en el segmento en el que participan, las compañías podrán no solo monetizarlos sino que además serán útiles para ganar participación de mercado sobre la competencia. “La experiencia y eficiencia en datos para los bancos es la principal barrera ante las fintech”, opinaron ante la oportunidad que se abre para este segmento en medio del desarrollo de las compañías financieras digitales. “Para las entidades financieras en general el tema de la ciberseguridad es clave”, agregó Raverta como un punto pendiente al que estar atentos.

Para concluir el debate, los especialistas coincidieron en que todavía falta un poco más de alfabetización en datos para que no se crea que todo lo que trae esta tecnología es 100 por ciento bueno o malo, sino que depende de cómo se use y con qué objetivos. La tarea de educar a los jugadores del sector está en manos tanto del ámbito académico como del privado, ya que ambos –de la mano– deben capacitar en ese camino y generar el cambio cultural necesario para que esto se desarrolle y se aplique cada vez más en los negocios en pos de resultados.

La integración es el camino, y las soluciones de machine learning o inteligencia artificial no van a reemplazar en su totalidad a las tareas hechas por el hombre. “Hay que integrar al hombre y a la máquina para sumar el criterio ético y evitar los errores de cosas que no se puedan prever únicamente por los datos. Las máquinas aumentan a las personas y viceversa”, sintetizó Yanni.

Comentarios0
No hay comentarios. Se el primero en comentar

Recomendado para tí


Seguí leyendo