Cinco funciones que necesita en su equipo de Big Data

Si bien muchas empresas se obsesionan con convertir sus datos en valor, nos damos cuenta de que dedican demasiado tiempo a los «datos» y no suficiente al lado de las «personas» de la ecuación.

Sin embargo, hacer bien el lado humano de la ecuación no se trata solo de contratar a los mejores talentos (aunque eso es importante, por supuesto). Según nuestra experiencia, las empresas pasan por alto dos elementos fundamentales: 1) identificar las funciones que realmente necesitan y 2) crear una mentalidad de «servicio al cliente» en su oficina de análisis avanzados.

El equipo correcto

El talento del Big Data es un tema fundamental. Para 2018, solo los Estados Unidos podrían enfrentarse a una escasez de entre 140 000 y 190 000 personas con habilidades analíticas profundas, según el Instituto Global McKinsey. Pero las empresas tienen que dedicar tiempo por adelantado a identificar los tipos de funciones que necesitan para que la máquina del Big Data funcione, en lugar de apresurarse a contratar atletas de matemáticas y ciencias. Si bien las diferentes empresas tienen diferentes necesidades de talento, estas son cinco funciones importantes para el personal de su oficina de análisis avanzado:

1. Higienistas de datos asegúrese de que los datos que ingresan al sistema estén limpios y sean precisos y permanezcan así durante todo el ciclo de vida de los datos. Por ejemplo, ¿los valores de tiempo que se capturan son los mismos? Un conjunto de datos podría medir los días naturales de un año (365), otro los días laborables de un año (260) y otras horas del año (8765). Todos los valores tienen que ser iguales para que sea posible realizar comparaciones. ¿O los campos de datos antiguos se han rellenado con nuevos tipos de datos pero con los nombres de campo antiguos? Si esto no aparece en la base de datos, es posible que los datos de los nuevos productos anulen a los datos de los productos antiguos y, por lo tanto, el resultado no tenga sentido. Esta limpieza de datos comienza desde el principio, cuando se capturan los datos por primera vez, e incluye a todos los miembros del equipo que tocan los datos en cualquier momento.

2. Exploradores de datos examine montañas de datos para descubrir los datos que realmente necesita. Puede ser una tarea importante, ya que muchos datos que existen nunca se destinaron a un uso analítico y, por lo tanto, no se almacenan ni organizan de forma que sea de fácil acceso. Los datos de la caja registradora son un ejemplo perfecto. Su función original era permitir a las empresas hacer un seguimiento de los ingresos y no predecir qué producto compraría un cliente determinado después.

3. Arquitectos de soluciones empresariales junte los datos descubiertos y organícelos para que estén listos para analizarlos. Estructuran los datos para garantizar que todos los usuarios puedan consultarlos de manera útil en los plazos adecuados. Es necesario acceder a algunos datos por minuto u hora, por ejemplo, para que los datos se actualicen cada minuto u hora.

4. Científicos de datos tome estos datos organizados y cree modelos de análisis sofisticados que, por ejemplo, ayuden a predecir el comportamiento de los clientes y permitan la segmentación avanzada de los clientes y la optimización de precios. Se aseguran de que cada modelo se actualice con frecuencia para que siga siendo relevante durante más tiempo.

5. Expertos en campañas convierta los modelos en resultados. Tienen un conocimiento profundo de los sistemas técnicos que ofrecen campañas de marketing específicas, por ejemplo, qué cliente debe recibir qué mensaje y cuándo. Utilizan lo que aprenden de los modelos para priorizar los canales y secuenciar las campañas; por ejemplo, basándose en el análisis del comportamiento histórico de un segmento identificado, lo más eficaz será enviar primero un correo electrónico y luego seguirlo 48 horas después con un correo directo.

Es importante mapear el movimiento de los datos en el equipo de Big Data y garantizar que todas las transferencias de datos entre humanos y máquinas tengan propietarios claros. Este mapeo garantiza que cada persona en un rol determinado sea responsable de la entrega completa, no solo de completar sus tareas individuales.

Desarrollar una cultura de servicio al cliente

Es desmoralizador crear un producto o servicio que nadie utilice, por lo que la carga recae en su equipo de demostrar cómo sus modelos pueden beneficiar a los propietarios de negocios internos. Eso requiere pensar en los propietarios de los negocios como clientes. Como le dirá cualquier buen minorista, tiene que entender a sus clientes para tener éxito. Reúnase periódicamente con ellos para entender sus necesidades y obtener comentarios sobre el rendimiento de los modelos del equipo. Pregúntese siempre: «¿A quién en el negocio le ayudarán mis análisis?» y «¿Están de acuerdo en que los ayudó a triunfar?»

También vemos que las iniciativas de Big Data fracasan porque los clientes internos no confían en el equipo ni en los modelos. La confianza comienza con la transparencia. Sea completamente abierto en cuanto a quién está trabajando en qué. Proporcione estimaciones de tiempos de finalización realistas. Tenga claras las compensaciones a la hora de determinar qué modelos crear para que sus clientes internos tomen una decisión informada que dé como resultado el mejor producto final.

Para garantizar la adopción de una cultura de oficina de servicios, mida el rendimiento personal según el éxito empresarial, no solo el volumen o la velocidad, como ocurre con demasiada frecuencia. Haga un seguimiento del número de modelos nuevos que utilizaron los clientes internos para obtener nuevos resultados. Algunas empresas han desarrollado criterios de bonificación para los miembros de sus equipos de Big Data en función de la rapidez y la amplitud con que los clientes internos adoptaron un modelo y no de lo innovador que fuera el modelo. Este enfoque evita la clásica guerra de palabras: «Construí un modelo brillante. ¡No es mi culpa que nadie lo use!» También corta de raíz el problema de crear análisis por sí solo y no por su impacto empresarial.

Crear un equipo de análisis exitoso requiere las personas y la cultura adecuadas. En lo que respecta al Big Data, sus equipos deberían dedicar menos tiempo a preocuparse por procesarlos y más tiempo a centrarse en servirlos.