¿Es 'data analytics' el nuevo unicornio de las organizaciones?

Dreamstime / EXPANSIÓN

La ciencia de los datos es capaz de pivotar sobre diferentes elementos y departamentos en una compañía, por ello es tan importante que las organizaciones adquieran esa cultura de data driven. Los beneficios -así lo confirman los datos- son innumerables.

Los datos son el nuevo oro del siglo XXI y, no en vano, Harvard Business Review apuntaba hace algunos años que Data Science es la disciplina más sexy y deseable del mundo. El avance sin parangón de la presencia digital de las compañías, el mobile first, los medios sociales y la nube está creando un nuevo ecosistema de organizaciones que manejan una gran cantidad y variedad de datos a los que dar sentido y extraer insights para ayudar a crecer los negocios.

Los datos, nunca mejor dicho, no mienten, y según un análisis de McKinsey Global Institute, las inversiones en Big Data y las capacidades analíticas cuentan con un retorno importante, entre 1,4 y 2 veces la inversión realizada. Pero ¿cómo de difícil es el reto para las organizaciones? ¿Es realista esperar a competir con empresas de Sillicon Valley en cuestiones de talento en analytics?

Por supuesto, nunca es fácil captar ni mantener talento de calidad; pero lo es aún más difícil en un mercado cuya demanda de perfiles analytics crece por encima de la oferta existente (12% versus 7%). Más de la mitad de las empresas reconocen tener problemas a la hora de captar talento especializado en gestión de datos, un porcentaje que pone de relieve la dificultad de reclutar una buena cantera de especialistas en esta área cada vez más estratégica.

En paralelo, la retención de ese talento es un problema añadido: tres de cada diez data scientists permanece menos de dos años en una compañía. ¿Puede una organización no nativa digitalmente afrontar la captura de esos unicornios de datos con éxito? Sí, es posible, pero hay que diseñar una estrategia de talento adecuada que evite algunos errores comunes y se centre en tácticas adaptadas al contexto de cada una de las organizaciones.

¿Puede una organización no nativa digitalmente afrontar la captura

de esos unicornios de datos con éxito?

La principal trampa en la que caen las compañías es contratar perfiles esenciales y muy concretos más allá de pensar en un crisol de perfiles complementarios. En este sentido es tan relevante contar con un equipo de especialistas y científicos de datos como con la figura de translators (traductores) que ayuden a los ingenieros a entender la casuística de negocio y sus problemas (y viceversa), así como arquitectos, especialistas en visualización de datos y analistas de negocio. Se trata de lograr un equipo que sea capaz de actuar como un plug & play.

Al mismo tiempo, al tratarse de perfiles y capacidades que hace muy pocos años ni siquiera existían, es esencial pensar en la evolución futura de estos roles; diseñando también estrategias adecuadas de desarrollo, compensación y beneficios, además de políticas de retención. Aquí la diferenciación es clave, no todos los perfiles de analytics tienen la misma motivación; ésta va desde la escalabilidad del impacto del trabajo con datos, pasando por volúmenes o variedad de los mismos. Tiene que existir, además, una adecuada definición de la propuesta de valor y su posible impacto estratégico en la compañía. Se trata de alinear la estrategia de datos con la gestión y dirección de la propia compañía.

No existe una fórmula maestra, ya que la realidad de cada una de las compañías marcará la necesidad de personalización, sin embargo, sí existen ciertas pautas que han dado resultados muy positivos en algunos casos de compañías. Lo más importante es crear una buena base: la columna vertebral de los datos tiene que ir acompañada de una amplia foto de roles necesarios: desde arquitectos e ingenieros de datos hasta científicos de datos, translators y expertos en visualización. Pensar en gestión de datos en términos de cadena de valor, ayudará a visualizar y conectar todos sus eslabones. En este sentido el rol de los traductores (translators) está cobrando importancia dentro de las organizaciones y requiere de un gran conocimiento del negocio para afinar esa transferencia de conocimiento entre dos realidades paralelas: negocio y datos.

Es aconsejable que estos roles se fichen como internos, mientras que algunos perfiles o actividades analíticas de menor envergadura pueden externalizarse.

Adicionalmente, las compañías han de diseñar cómo fichar el talento en datos. No se trata de emular ser Silicon Valley, sino desarrollar adecuadamente la propuesta de valor de la organización centrada en sus ventajas y beneficios que apelen a lo que busca el talento analytics. Las compañías a menudo subestiman el alcance de su propuesta de valor. Asimismo, una aerolínea puede ofrecer a un experto en datos un enfoque de predicción, un banco trabajará la línea de fraud analytics o una empresa de salud se enfocará en la mejora del cuidado de sus clientes. Depende de cómo una organización se autodefina y presente, así será percibida en el mercado de talento en anayltics. Se trata de definir estratégicamente qué impacto pueden llegar a alcanzar los datos en la organización.

Por último y no menos importante, analytics ha de incorporarse también en la propia gestión del talento. Se trata de una creciente tendencia de apostar por analítica de datos cuando incorporamos, desarrollamos y retenemos (crecemos) a las personas. Hay una multitud de herramientas de análisis, scanning y predicción que pueden ayudar a las compañías a identificar mejor el talento y desarrollar planes de carrera más personalizados.

La ciencia de los datos es capaz de pivotar sobre diferentes elementos y departamentos en una compañía, por ello es tan importante que las organizaciones adquieran esa cultura de data driven. Los beneficios -así lo confirman los datos- son innumerables.

Gloria Macías-Lizaso, socia de Advanced Analytics en Digital McKinsey