En términos de analítica, “La monetización. de datos” es crucial en la actualidad. No tiene sentido hacer una inversión en herramientas tecnológicas si no se puede medir y obtener con claridad un retorno de la inversión”.
Desde hace algún tiempo he utilizado esta afirmación en mis presentaciones a clientes y alumnos en la maestría de analítica de datos. Por sus gestos y las respuestas que recibo de ellos, puedo ver que en un principio algunos no la entienden, otras personas no saben de qué estoy hablando y a otras les parece una expresión un tanto arrogante.
Tengo varios años convencido de la realidad de esta idea y nuevas evidencias confirman que es así. Aunque monetizar los datos siempre fue el objetivo último que prometían los proyectos de inteligencia de negocio (BI, por sus siglas en inglés) y big data, en realidad al final siempre terminaban en proyectos de reportes, consultas y en darle a los usuarios finales acceso a los datos. Se dejaba a los clientes que descubrieran por sí mismos las oportunidades de negocio, siempre y cuando contaran entre sus filas con algún “power user”.
Después de muchos años en el área, sigo viendo la frustración de muchas empresas con respecto a las grandes inversiones que realizan, en herramientas tecnológicas, sin obtener los resultados esperados. También me sorprende ver a grandes corporativos como bancos, aseguradoras y cadenas comerciales, entre otros, cómo confían las decisiones de compra de analítica exclusivamente a los equipos de TI o Sistemas, sin que se haya compartido con ellos la visión estratégica del negocio.
La ausencia de guía por parte del cuerpo directivo y las áreas funcionales (mercadotecnia, ventas, operaciones) hacia los equipos de TI o Sistemas sobre lo que espera la empresa del uso de los datos, normalmente condenan al fracaso las iniciativas de soluciones analíticas.
Hoy de acuerdo con distintos analistas, se estima que más del 60% de los proyectos tradicionales de BI siguen fracasando y el 87% de los proyectos de ciencia de datos jamás llegan a un ambiente de producción.
La experiencia nos ha enseñado que uno de los “secretos” para disminuir el riesgo de estos proyectos es trabajar directamente en resolver un caso de uso o de negocio, en lugar de trabajar en organizar todos los datos disponibles para luego ver qué se puede resolver o hacer con éstos. Hay que enfocarse en resolver aquellos problemas –presentes día tras día en nuestras empresas– que estén impactando en los resultados del negocio.
Cuatro casos de uso para enfocar los proyectos de monetización de datos son:
1.- Generar mayores ingresos con la monetización.
2.- Aumentar la productividad o reducir los costos operativos.
3.- Atender temas de cumplimiento que sean objeto de sanciones o multas.
4.- Descubrir nuevos negocios al interior de la empresa.
Una vez definidos los casos de uso o de negocio, se colocan en una matriz de priorización que tiene como uno de sus ejes la factibilidad de resolverlo –si se cuenta con los recursos tecnológicos, económicos, talento e incluso los datos para implementarlo– y otro que representa el retorno o impacto que tendría la empresa al implementarlo. Idealmente, se optará por el caso de negocio que se encuentre en el cuadrante de mayor impacto para el negocio y la mayor factibilidad de lograr la monetización.
Pasemos al ejemplo de una organización que decidió aplicar la monetización de sus datos:
ZF Group
Un error común que las organizaciones cometen al monetizar datos es buscar oportunidades únicamente en los datos existentes fácilmente disponibles. Es un error comprensible para las organizaciones a las que se les ha hecho creer que los datos en sí mismos son inherentemente valiosos. Sin embargo, la empresa de tecnología global ZF Group decidió que un enfoque contrario a la intuición podría tener más sentido. En lugar de mirar los datos que ya tenían, la organización seleccionó los mercados a los que dirigirse y examinó de cerca qué tipo de datos crearían valor para ese mercado y sería viable la monetización.
Los responsables se dieron cuenta de que los datos que la organización ya tenía ―y que, de hecho, tienen la mayoría de las organizaciones― ofrecía un valor limitado, ya que a menudo se trata de temas comunes y están optimizados para uso interno. La monetización de datos requiere datos únicos que las organizaciones aún no poseen.
Según la compañía, por lo general tienen solo el 80 % de los datos que necesitan para crear un nuevo producto, y el desafío reside en dónde encontrar el 20 % restante que hace que el producto sea realmente valioso. Por ejemplo, la organización vende rótulas habilitadas para sensores de Internet de las Cosas (Internet of Things, IoT) que generan datos que se utilizan para entrenar algoritmos de mantenimiento predictivo.
Luego, la organización vende analíticas y visualizaciones fáciles de usar para permitir programas de mantenimiento predictivo. Esto significa que la organización busca constantemente nuevas oportunidades para crear datos que quizás ni siquiera existan todavía, lo que, a su vez, hace que esos datos sean valiosos para otros, lo que hace posible la monetización.
Me gustaría leer de ustedes algún caso de éxito o fracaso en un proyecto cuyo objetivo principal haya sido la monetización de datos.
En PABIS Retail te ayudamos a convertir tus datos de retail en ventas y rentabilidad
¡Conócenos y solicita una demo! da clic aquí
Autor: Carlos Urgelles, CEO PABIS Retail