KPIs para iniciativas de Big Data

Aprenda a alinear iniciativas de Big Data con la estrategia de su organización y valide sus esfuerzos con Indicadores Clave de Desempeño.

Temas clave del artículo:

• ¿Qué es Big Data?
• Desafíos del Big Data
• KPIs y Big Data
• Enfocarse en Big Data
• Hacer al Big Data Medible
• Automatización con BSC Designer

El final del año es un buen momento para hablar sobre las tendencias emergentes: automóviles autónomos, inteligencia artificial, realidad virtual e Internet de las cosas. ¿Qué efecto tendrán estas tendencias en su negocio? ¿Cómo se puede tener en cuenta un posible impacto de estas ideas revolucionarias? Todas las tendencias mencionadas merecen un análisis detallado, pero hay una que parece estar conectada con todas las demás. Estoy hablando del Big Data. Todos lo necesitarán, los automóviles autónomos se basan en ellos y, por supuesto, ya lo usan muchas empresas.

En BSC Designer, hablamos mucho sobre KPIs y estrategia. En este artículo, sugiero debatir sobre cómo una estrategia bien descrita y KPIs a la medida pueden ayudar a enfocarse en el Big Data. Aquí está nuestro plan para este artículo:

• Big Data. ¿Qué es? ¿Cuáles son los principales desafíos?
• KPI para Big Data. 4 niveles de KPIs y lograr alineación estratégica.
• Plan de acción. Implementación medible del Big Data.

¿Qué es el Big Data?

El Big Data trata sobre el análisis de grandes conjuntos de datos no estructurados.

El Big Data se puede caracterizar por 3 Vs:

• Volumen. Se supone que los conjuntos de datos son grandes. Hay algunas estimaciones de que debe ser de al menos 10 GB o 1 TB, pero probablemente un mejor criterio sería decir que el Big Data es algo que necesita ser distribuido (en términos de almacenamiento o cálculos). Si usted tuvo que pasarse a Hadoop o un marco similar, entonces se está volviendo grande.
• Variedad. piense en diferentes fuentes de datos tanto estructurados como no estructurados. Estos pueden ser extraídos de texto, video, datos de ventas, redes sociales, pronóstico del tiempo o cualquier otra cosa que tenga sentido en su contexto.
• Velocidad. El alto volumen de datos es el resultado de una rápida generación de datos. Piense en miles de elementos de aviones que se monitorean constantemente¹, o un flujo constante de comentarios en las redes sociales, o los datos en tiempo real que proporcionan los dispositivos portátiles.

A menudo (tome IBM² o EY³ como ejemplo), también hay una cuarta «V» que significa «Veracidad:»

• Veracidad. Cuando hablamos de datos, siempre estamos lidiando con cierto nivel de incertidumbre. ¿Cómo se obtuvieron los datos? ¿Analizamos todos los factores? ¿Fue manipulado? ¿Podemos confiar en esos números?

¿Cómo se usan los datos?

El Big Data se utiliza para una amplia gama de análisis predictivos y de comportamiento. Las organizaciones aplican Big Data para reducir costos, comprender mejor las necesidades de los clientes y mitigar los riesgos. Piense en una empresa que utiliza Big Data para ofrecer una experiencia personalizada para los clientes; piense en la verificación de fraude de un proveedor de comercio electrónico.

Al principio del artículo, mencioné algunas tendencias emergentes: el Big Data está involucrado en todas ellas. Para obtener más información sobre el uso práctico del Big Data, recomiendo continuar con «7 empresas asombrosas que realmente obtienen grandes datos ⁴» por el internacionalmente reconocido experto Bernard Marr.

Principales desafíos del Big Data

La visión descrita del Big Data suena muy ambiciosa. ¿Por qué entonces las compañías tardan en adoptar esta nueva tendencia? ¿Cuáles son los principales desafíos del Big Data?

La extracción de datos ya no es el desafío principal

Más tarde, en octubre, estaba hablando en una conferencia organizada por SCIP⁵ (Profesionales en Inteligencia Estratégica y Competitiva). Los miembros de esta organización se ocupan del Big Data en los dominios de la inteligencia de mercado. El tema principal de la conferencia no fue extraer datos de CI/BI como se podría esperar, sino alinear los esfuerzos de inteligencia empresarial con la estrategia de una organización. En otras palabras, una vez que una empresa conoce las preguntas que quiere formular, el resto es relativamente fácil (consulte las encuestas a continuación para obtener algunos datos).

Si la extracción de datos ya no es un problema, ¿cuáles son los principales desafíos?

Desafío 1. Enfoque en el Big Data

El principal desafío es enfocar el Big Data en lo que importa y luego entregarlos en las manos correctas. En otras palabras, debe haber alguien en la organización que comience a hacer las preguntas correctas.

Para ilustrar esta idea, tomemos la historia de Target⁶ que estuvo en los titulares en 2012. Este minorista utilizó con éxito los datos analíticos de compradores para predecir que algunas de sus clientes estaban embarazadas. Miremos la historia (sin tener en cuenta la parte relacionada con la privacidad) y veamos qué sucedió realmente. Andrew Pole, un estadístico que trabajó para Target no solo estaba entregando todos los datos posibles, sino que recibió una tarea muy específica de sus colegas de marketing: identificar compradoras embarazadas en el segundo trimestre.

Hubo un enfoque y hubo un gran valor comercial asociado con este enfoque, ya que los nuevos padres tienden a cambiar sus hábitos de compra y comprar todo en una tienda minorista. No se trataba solo de jugar con datos, sino de encontrar datos que ayudaran a responder una pregunta muy específica.

Desafío 2. Alineación con la estrategia comercial

El Big Data cambiará cuando se ofrezca un valor comercial tangible. En otras palabras, debe quedar claro cómo las iniciativas del Big Data respaldan la estrategia de una compañía. Los socios de NewVantage en su encuesta ejecutiva de Big Data⁷ preguntó a los encuestados sobre los impedimentos culturales para la adopción de negocios de Big Data. El 42,6% de los encuestados eligió la respuesta «Alineamiento organizacional insuficiente». Otras opciones incluyeron la falta de adopción, la falta de una estrategia de datos coherente y la falta de una visión compartida.

Volviendo al caso de Target, tuvieron éxito al abordar dos componentes importantes:

1. El Big Data se centró en una consulta específica: se le pidió a un científico de datos que identificara a las consumidoras embarazadas en el segundo trimestre.
2. Alineación con una estrategia empresarial: Había un claro valor comercial en los datos de las familias que se convertían en clientes de una tienda minorista durante mucho tiempo cuando nacía un niño.

Reto 3. Seguridad de datos y privacidad

Este desafío aún no está en uso general, pero creo que es obvio para cualquiera que la recopilación y el análisis de datos deben ser éticos y legales. El Reglamento General de Protección de Datos (GDPR) entró en vigor a partir del 25 de mayo de 2018 en Europa y existen regulaciones similares en otros países. Las empresas deben ser mucho más serias al seguir políticas de datos cuando procesan datos personales.

Discutamos los KPIs en el contexto del Big Data.

KPIs y Big Data

¿El Big Data va a reemplazar a los KPIs? No exactamente. El Big Data impulsará a los KPIs con información más precisa y actualizada.

Tomemos NPS (Net Promoter Score) como ejemplo:

• NPS ahora. ¿Cómo se calcula el NPS (Net Promoter Score) en su organización hoy en día? Probablemente usted realice algún tipo de encuesta a los clientes trimestralmente. Por lo tanto, este indicador se está retrasando en el tiempo. Si algo le sucede a su negocio, el NPS lo mostrará unos meses después.
• NPS basado en Big Data. Ahora imagine que usted utiliza una herramienta de Big Data que analiza las emociones de los clientes en tiempo real (consulte la referencia de Heedbook a continuación). En este caso, su NPS se convertirá en un KPI en tiempo real. Básicamente, usted podrá ver la reacción de un cliente específico a una oferta específica y a un enfoque de venta específico.

En algunos casos, usted estará interesado en profundizar en los datos y llegar a situaciones específicas, y en otros casos usted deberá ver los datos agregados durante la semana, mes o año.

KPIs para datos principales

En el caso de los datos principales, estamos hablando de importantes inversiones en las nuevas herramientas y la arquitectura, por lo que tiene sentido monitorear esas iniciativas con algunos datos fidedignos. Las iniciativas de los datos principales también deberían cuantificarse y medirse. Podemos hacer esto en diferentes niveles.

Nivel 1. Métricas de 3 V

Los 3V (volumen, variedad, velocidad) de los Datos Principales se pueden cuantificar fácilmente:

• El Volumen de datos es una medida en sí misma (GB, TB, etc.)
• La Variedad se puede cuantificar como la cantidad de diferentes tipos de fuentes de datos
• La Velocidad se define por el volumen de datos generados/analizados por período de tiempo

La cuarta V – Veracidad podría ser más difícil de cuantificar. Usted tendrá que definir lo que su equipo califica como datos precisos y eso depende del contexto. Por ejemplo, para el motor de combustión, los automóviles que miden la velocidad actual con un nivel de error de + -5 km/h pueden considerarse datos precisos, mientras que para los automóviles eléctricos no son aceptables. En su caso, defina 1-2 indicadores que den una idea sobre la exactitud de los datos.

¿Las métricas 3-V son útiles? Depende de tu contexto. Tomemos el automóvil autónomo de Google como ejemplo. El automóvil produce 1GB de datos del sensor por segundo⁸. ¡Esa cifra se ve impresionante! Podemos estimar qué tan grande es el Big Data, pero esos números no nos ayudarán con los 3 desafíos mencionados anteriormente.

Fuente: Tablero de Mando de Big Data.

Nivel 2. Métricas del proceso de Big Data

Pasemos al siguiente nivel de abstracción y echemos un vistazo al proceso de Big Data. El modelo simplificado es el siguiente:

• Consulta
• Colección
• Análisis
• Informes

Las métricas más útiles en este caso están relacionadas con el tiempo:

• Frecuencia de recopilación de datos
• Tiempo necesario para que los datos estén disponibles para el análisis
• Tiempo necesario para que los datos sean reportados en forma de KPIs

Los puntos de referencia para el tiempo dependen del contexto de su negocio. Por ejemplo:

• El automóvil autónomo necesita recopilar y analizar datos en tiempo real, y los milisegundos de diferencia importan, pero
• En el caso de los administradores de NPS, estos podrían estar interesados en revisar los datos agregados semanalmente

En términos de eficiencia del proceso, podemos rastrear:

• Tasa de conversión de consultas en reportes, %. En este caso, primero debemos definir el concepto de consulta calificada y luego rastrear el porcentaje de consultas calificadas que nuestros científicos de datos pudieron responder
• Capacidades de captura de datos. El nivel de precisión de los datos que capturamos (las ideas discutidas anteriormente en Veracidad).

Las métricas de este nivel nos dan una mejor idea de cuál eficiente es el Big Data, pero aun así, no tenemos ni idea sobre el impacto del Big Data sobre los objetivos comerciales reales.

Nivel 3. KPIs de resultado. KPIs para validar el éxito del Big Data.

Otra pregunta es cómo validar el éxito de las iniciativas de Big Data en la empresa. Por un lado, hay algunas inversiones importantes en infraestructura, por otro lado, el Big Data debería estar retornando información comercial. ¿Cómo podemos medir el valor en dólares de esas ideas?

En este caso, necesitamos hacer un seguimiento de las mejoras que se pueden acreditar al uso del Big Data:

• ¿Qué lecciones aprendimos del Big Data? ¿Qué ahorro se obtuvo después de la implementación de esas ideas?
• ¿Cómo cambió la tasa de retención de clientes debido a la entrega de una experiencia a la medida? ¿Cómo está cambiando el valor de vida del cliente?
• ¿El Big Data ayuda a que el servicio al cliente sea más efectivo? ¿Cómo cambió la tasa de resolución de la primera llamada?
• ¿Cómo cambiaron los procesos de contratación después de comenzar a usar el Big Data? ¿Cómo cambió el tiempo de evolución de la métrica de recursos humanos?

Como usted puede ver en este nivel, usamos los KPIs clásicos que estábamos usando antes. Lo que estamos tratando de hacer es acreditar ciertas mejoras en la implementación del Big Data.

Este enfoque podría estar sesgado:

• Tendemos a considerar los cambios positivos como nuestros logros y
• Vemos cambios negativos como las fluctuaciones normales que siempre ocurren.

La solución es apuntar a objetivos más grandes y tangibles.

Muchas organizaciones capacitan esta parte de medición y simplemente compran «algun Big Data». Según el informe⁹ de Capgemini Consulting, el 67% de las empresas entrevistadas no tienen un criterio bien definido para medir el éxito de sus iniciativas de Big Data. Teniendo en cuenta la cantidad de inversión, las empresas deben ser más sistemáticas en la definición de los objetivos y los criterios de éxito de la implementación de Big Data.

Fuente: Tablero de Mando de Big Data.

Nivel 4. KPIs de actuación. Asegurar el éxito del Big Data.

Ahora sabemos cómo medir la parte de resultados de las iniciativas de Big Data, pero ¿qué pasa con la parte principal? ¿Qué deberíamos hacer para garantizar una implementación exitosa del Big Data?

La parte difícil del Big Data es muy tangible, podemos medirlo mediante métricas genéricas como:

• Fondos invertidos en iniciativas de Big Data
• Tiempo invertido en iniciativas de Big Data

Los objetivos empresariales se centran en el Big Data

Este es un escenario real: una compañía invirtió millones de dólares en infraestructura, herramientas y recopilación de Big Data con el clúster de Hadoop, y no se logró nada cuantificable. De eso estamos hablando en el desafío 1: El Big Data no es AI, no pueden hablar, y su equipo necesita aprender a hacer las preguntas. ¿Cómo podemos medir el papel del equipo entonces?

Aquí hay algunas ideas para comenzar:

• Efectividad del entrenamiento de Big Data. Asegúrese de que los miembros clave de su equipo hayan recibido capacitación sobre Big Data. No es necesario que ellos sean científicos de datos, pero necesitan saber qué preguntas formular y cómo formular esas preguntas. Las métricas en este caso estarán relacionadas con la efectividad del entrenamiento¹⁰.
• % de objetivos estratégicos con iniciativas de Big Data. Podríamos rastrear el número de consultas de Big Data formulados por cada equipo, pero este enfoque sería muy formal y menos útil. Una mejor opción es rastrear la alineación entre los objetivos y las consultas de Big Data. Pídale a su equipo que mire sus objetivos estratégicos y luego discuta qué datos podrían necesitar para tomar mejores decisiones en el contexto de esos objetivos.

El Big Data le ayuda a formular nuevos objetivos comerciales

El proceso de emparejar el contexto empresarial y el Big Data es bidireccional. A veces tenemos un desafío específico en mente y luego buscamos herramientas de Big Data específicas (como en el caso de Target), a veces encontramos una herramienta interesante y luego tratamos de hacerla coincidir con nuestros objetivos. Aquí hay unos ejemplos:

• Alguien en su equipo encontró Heedbook¹¹, un servicio que analiza las emociones del cliente en tiempo real. El servicio está construido en Microsoft Azure y está disponible en la nube. Su equipo de servicio al cliente podría tener la idea de utilizar este servicio para calcular mejor su NPS.
• Su personal de TI tuvo el desafío de encontrar un software DLP (prevención de pérdida de datos). Ellos encontraron SearchInform¹² que no solo puede analizar comunicaciones y archivos transmitidos, sino que también puede aplicar políticas de seguridad específicas. La estrategia de TI de su organización se puede actualizar teniendo en cuenta las posibilidades que ofrece la herramienta DLP.

En cualquier caso, es una buena idea hacer coincidir los objetivos comerciales específicos con los requisitos de Big Data.

Plan de acción. Haga que el Big Data sea medible.

Vamos a formular algunas conclusiones de este artículo. Prefiero hacerlo en la forma de un plan de acción.

1. Revisar el Big Data. Cómo se recopilan los datos ahora, qué capacidad de captura de datos tiene usted (utilice las métricas de proceso de Big Data como marco).
2. Haga su tarea. Haga que su estrategia se formule en el mapa de estrategia y en cascada a las unidades de negocio. Revise sus KPI actuales.
3. Mejora de las capacidades. Planifique las iniciativas para abordar las capacidades del equipo en términos de Big Data. Los miembros clave deben comprender qué preguntas pueden formular y cómo formularlas.
4. Concentrar los esfuerzos de Big Data. Revise su mapa de estrategia, detecte las oportunidades donde el Big Data puede respaldar los objetivos comerciales. Formule consultas de Big Data.
5. Implementación. Analice las ideas proporcionadas por el Big Data, refléjelas en forma de KPIs cuando sea necesario.

Una breve guía para usuarios del software BSC Designer

Como usuario de BSC Designer, usted tiene un potente software que automatizará muchos de los aspectos de alineación de estrategias y KPIs analizados en este artículo:

• Alineación estratégica y enfoque en Big Data. Cree un mapa de estrategia para presentar sus objetivos comerciales; alinee los KPIs con los objetivos en el mapa. Si aún no tiene un mapa estratégico, utilice un asistente de mapas estratégicos para comenzar.

Asistente para Mapa Estratégico – Cuadro de Mando Integral en 6 minutos

Responda preguntas simples: cree un mapa de estrategia profesional en 6 minutos.

La formulación y descripción de la estrategia puede ser un proyecto que consuma mucho tiempo, incluso para los estrategas con experiencia. Este asistente de mapa estratégico hará que todo el proceso sea rápido e intuitivo.

¡Iniciar el asistente

• Asegurando que un equipo tenga capacidades de Big Data. utilice un cuadro de mando de capacitación (usted puede comenzar con este ejemplo) para asegurarse de que su equipo tenga las capacidades necesarias para trabajar con macro datos.
• Impulsando KPIs con Big Data. Realice un seguimiento de las métricas de rendimiento para las iniciativas de Big Data; utilice la API RESTFul para ingresar informes de Big Data en tiempo real en los indicadores.

Si usted aún no es usuario, puede comenzar con un plan gratuito de BSC Designer, que está disponible en línea.

Traducido por Armando Garzón Peña

¿Qué sigue?

• Plantillas de CMI. Regístrese con un plan gratuito de BSC Designer y tenga acceso inmediato a 31 plantillas de cuadro de mando, incluyendo el Cuadro de mando de Big Data discutido en este artículo.
• Domine habilidades. Aprenda a desglosar objetivos ambiguos como "mejorar la calidad" y "aumentar la resiliencia" en estrategias específicas.
• Automatice. Aprenda qué es el software de Cuadro de Mando Integral y cómo puede facilitarle la vida al automatizar la ejecución de la estrategia, los KPIs y los mapas estratégicos.

Más ejemplos del Cuadro de Mando Integral

Alexis Savkín

CEO | Orador | Autor

BSC Designer es el software para CMI, está ayudando a las empresas a formular mejor sus estrategias y hacer que el proceso de ejecución de estrategias sea más tangible con los KPIs.