El petróleo del siglo 21

El nuevo salvavidas que están usando las pymes para ganarle a la crisis: a qué apostaron para volver a facturar

La tecnología es una herramienta central para las pequeñas y medianas empresas que quieran crecer de manera sostenible. Ayuda a ordenar, prever y orientar los negocios

Crecer es un desafío para cualquiera, pero para las pymes el esfuerzo se redobla si el objetivo es hacerlo de manera sostenible. Y mucho más en el contexto de la volatilidad económica argentina.

Para ayudar a ordenar, prever y orientar siempre está la tecnología, como el análisis y la ciencia de datos. Herramientas que se pueden convertir en una necesidad para dar el paso de la profesionalización de una pyme.

Data Analyst, el puesto que buscan hoy todas las empresas: se estudia gratis y paga $ 200.000

"En términos generales, el buen uso de los datos ayuda a tomar mejores decisiones y administrar mejor los recursos. Siendo más específico, se busca vender más, fidelizar clientes y reducir costos", indica Fredi Vivas, CEO de RockingData.

Y agrega: "Las empresas que analizan sus datos pueden entender en profundidad los grupos de clientes que le compran y cómo se comportan para hacerles llegar la mejor oferta, o predecir cuánta demanda van a tener de un producto, para optimizar la logística, los canales de atención y la gestión de stock, entre muchas otras cosas".

CryptoMate es una pyme de base tecnológica que implementó desde su génesis el uso de datos para ser cada vez más innovadores. "No hay espacio en donde no los utilicemos; ya sea para pensar cuánto tiempo nos lleva hacer determinadas tareas, como analizar el impacto de una modificación en alguno de nuestros productos o servicios, utilizamos los datos siempre pensándolos dentro del proceso de mejora contínua: lo que no se puede medir, no se puede mejorar", explica Paula Monticelli, directora de Marketing de la firma.

La realidad es que hasta el emprendimiento más pequeño maneja datos, es como un billetera que cualquier persona posee; la diferencia está en el valor del dato y lo que aparece cuando se ordenan, administran y gestionan. El antes y el después se relaciona de manera directa con el poder de cohesión de la información; allí reside el poder de cualquier negocio.

Ciencia y análisis

Así como la oferta de aprendizaje para ambos dos existen, también, sus diferencias profesionales. La principal diferencia reside en que el Data Analytics no requiere de conocimientos previos para aprender sobre la temática y se basa en el aprendizaje de Power BI, Tableau, SQL y bases de datos. Por otro lado, en la cursada de Data Science, se aprende el ciclo de vida del dato y es necesario contar con conocimientos previos. "para ser un científico del dato hay que aprender desde su recopilación y preparación hasta su análisis y visualización de una manera efectiva; y para lograrlo se trabaja con algoritmos de machine learning y Python, entre otros", destaca Dario Susnisky, director Académico de Digital House.

POR DÓNDE EMPEZAR

Los datos están, el desafío es darle la forma que se necesitan para, desde allí, encontrar problemas para resolver y cómo resolverlos. Encontrar, ordenar y curar los datos son los tres pasos claves para lograrlo. "Recomiendo hacer dos cosas. Primero, pensar un problema a resolver lo más acotado posible, algo que duela y que se quiera solucionar, como por ejemplo, cuál es la mejor oferta que le puedo acercar a un cliente después de que compró, con eso se puede pasar al segundo punto, que es ver la situación de esa pyme con respecto a los datos", comenta Vivas y añade: "aunque muchas veces creen que no, ya tienen muchos datos disponibles. Una vez que tenes ese diagnóstico, se puede comenzar el primer proyecto de datos. Eso va a permitir empezar a pensar desde el data mindset".

El éxito del uso de los datos se concentra en la cultura del análisis que busca generar un impacto directo y positivo al cliente. Si se logra, la ventaja competitiva será mayor. Para lograrlo, los resultados tienen que ser tangibles y tener una necesidad de mejora continua.

"Actualmente accedemos a una plataforma de aprendizaje automatizado que nos facilita información precisa sobre el comportamiento de nuestros clientes. Allí, ejecutamos un algoritmo especialmente desarrollado para nuestra empresa que analiza los datos históricos de ventas de todos nuestros clientes y nos reporta la próxima fecha de compra estimada de cada uno de ellos. Apuntamos a predecir la demanda con el objetivo de mejorar de forma continua la atención y ser cada vez más eficientes en la distribución para optimizar nuestros recursos y reducir los costos logísticos", ejemplifica Fernando Michanie, gerente general de B&B Gas, un distribuidor de gas envasado.

LOS CAMBIOS SON EVIDENTES

B&B Gas logró brindar un trato personalizado a sus más de 2500 clientes gracias a la ciencia de datos, además de que pueden anticiparse a la necesidad de producto de cada uno de ellos. "Nos ayuda a ordenar y analizar el gran caudal de información que tenemos, con el objetivo de ser cada vez más eficientes", destaca Michanie y agrega: "Logramos agilizar los tiempos de toma de decisiones contando con información precisa y concreta basada en datos objetivos. Mejoramos la atención a clientes al mismo tiempo que logramos la eficiencia en la distribución, optimizando los recursos utilizados para la distribución, lo que impacta directamente en una reducción de los costos y mejora la rentabilidad del negocio".

Desde RockingData trabajaron en diferentes proyectos de optimización logística para empresas que redujeron el 90% del tiempo de programación de transportes mediante un algoritmo de machine learning. "Para mi, los proyectos de datos son algo cíclico y no lineal. Un buen proyecto de datos nunca termina, porque siempre se retroalimenta y aprende", explica Vivas.

EL FUTURO ESTÁ ACÁ

Lo que se viene está claro, todos concuerdan con que el futuro es la automatización con inteligencia artificial, y representará la posibilidad de un salto de producción en las pymes y, como consecuencia, ser más rentables, escalar sus negocios y agregar valor al producto o servicio que brindan.

"Hoy todavía hay una idea generalizada de que esto es sólo para las mega corporaciones, y cuesta mucho romper esa barrera de autocensura que a veces se impone. Lo obvio sería pensar que es un tema de presupuesto, pero sin embargo veo muchas pymes invirtiendo dinero en métodos más tradicionales", indica Vivas

El perfil del Data Analytics o Data Science es cada vez más buscado en las empresas para vincularlo a los volúmenes de venta o recomendaciones. "En el sector de finanzas, sirve para la detección de fraudes en pagos o para modelos de forecasting. En medicina se aplica para el análisis de datos, como por ejemplo, el estudio de prevalencia de enfermedades o la detección temprana a partir del diagnóstico por imágenes. También tiene un rol clave en el mantenimiento predictivo de máquinas y en cuestiones de automatización, entre otros", comenta Susnisky y detalla que según una encuesta internacional, el 63% de las compañías dice que la mejora de la eficiencia es el principal beneficio del análisis de datos, mientras que el 57% dice que la toma de decisiones es más eficaz.

Tags relacionados
Noticias del día

Compartí tus comentarios

Formá parte de El Cronista Member y sumate al debate en nuestros comentarios