Categoría: Analítica Avanzada

27 Sep 2021
cultura organizacional

¿Cómo construir una cultura organizacional consciente de los datos?

El contexto post pandémico ha desencadenado cambios que ya venían produciéndose lentamente. Se trata de la necesidad de incluir tecnologías basadas en el uso y análisis de datos. Descubrí cómo lograr una cultura organizacional inteligente mediante el manejo de datos.

¿Por qué las organizaciones deben hacer uso de los datos?

La pandemia ha generado una crisis económica y sanitaria como nunca antes hemos visto. Pero además de haber golpeado de la peor manera a todos los países del mundo, ha permitido a las empresas vislumbrar nuevas necesidades que significan progresos a nivel organizacional: el manejo de datos debe estar presente en todas las áreas.

Sin embargo, no todas las organizaciones son conscientes de los beneficios de los datos y aún se mantienen reticentes a emplear nuevas y mejores tecnologías para potenciar el manejo y análisis de la información que utilizan.

En un contexto cambiante y repleto de grandes cantidades de datos, las herramientas tradicionales han quedado obsoletas para cubrir las nuevas demandas en optimización y eficiencia, por ello es inminente el cambio hacia plataformas inteligentes que incluyan Inteligencia Artificial, Big Data y tecnología de vanguardia.

Los datos contribuyen enormemente en las organizaciones

  • Permiten una mejor toma de decisiones.
  • Promueven la adquisición de nuevas habilidades para aplicar en una generación de herramientas que llegaron para quedarse.
  • Aceleran el camino hacia la innovación
  • Potencian el negocio generando acciones rentables para la organización.
  • Establecen una visión unificada en toda la empresa, permitiendo que todos los colaboradores conozcan los objetivos y usen la información para mejorar los procesos.

El desempeño futuro de las organizaciones y el rol que los datos asuman depende de los roles directivos. 

En ellos se encuentra el poder de gestión de los datos y el entrenamiento en su uso para lograr una democratización de la información en toda la empresa y así alcanzar resultados rentables en todas las áreas.

Si los directivos hacen uso adecuado de los datos y comprenden su poder, serán capaces de aumentar la intuición y tomar decisiones inteligentes.

¿Qué significa una cultura organizacional consciente de los datos?

Una cultura organizacional que es consciente de los datos y los emplea a su favor, posee ciertos atributos que trabajan conjuntamente para crear un enfoque unificado en toda la empresa. A continuación los detallamos:

  1. Todos los miembros de la compañía comprenden profundamente el valor de los datos.
  2. La integridad, seguridad y confidencialidad de los datos son contemplados por todos los miembros que se vinculan a la organización.
  3. Los estándares de datos y los procesos de gobierno están integrados en los procedimientos operativos de la organización.
  4. La veracidad de los datos se confirma y comprueba en cada caso.
  5. Se comprende la capacidad de disponer datos para tomar decisiones puntuales y en tiempo real.
  6. Se emplean herramientas de automatización para recopilar, estructurar, almacenar, validar y democratizar los datos.
  7. Se persigue el objetivo de acelerar la disponibilidad de los datos.
  8. Se comprende la relevancia de diferentes conjuntos de datos para diferentes decisiones.

Además de aplicar estos atributos, las empresas modernas que promueven una cultura basada en datos, son conscientes de las limitaciones de los mismos y que muchas veces no es posible predecir el futuro con certeza.

Por ello, las proyecciones a largo plazo son más complejas y menos precisas. En este sentido, el uso de datos para tomar decisiones proporciona indicadores capaces de alertar a una organización sobre cuándo un curso de acción o decisión planificada ya no tiene sentido. 

La cultura organizacional consciente de los datos, comprende que la capacidad de los datos es señalar una decisión incorrecta más que guiar hacia una decisión correcta.

7 principios para lograr una cultura organizacional consciente de los datos

Indudablemente, una cultura organizacional consciente de los datos se está volviendo cada vez más importante en el mundo. Para construirla, las empresas deben aplicar 7 principios centrales:

  1. La cultura de datos es una cultura de decisiones. No se trata de los datos en sí mismos, no debemos focalizar las energías sólo en el análisis sino en buscar el éxito todas las mañanas, en todas las áreas de la empresa. Se debe crear una cultura donde todas las decisiones se tomen diariamente y el pilar sean los datos.
  2. La cultura de datos incluye a todos los miembros. Una junta directiva, un CEO, empleados  y colaboradores deben ser conscientes del uso de datos y de la toma de decisiones inteligentes que profesan. El valor de los tomadores de decisiones se encuentra en la comunicación, en democratizar la comunicación.
  3. La democratización de los datos. Todos en la organización deben adoptar una mentalidad de cultura de datos porque la creación de un conjunto de datos transversales en toda la empresa es clave para el éxito.
  4. Cultura de datos y riesgos. Una cultura organizacional consciente de los datos ubica a la seguridad de la información en el pedestal de la empresa y usa políticas claras de confidencialidad y buen manejo que se transmiten a todos los miembros para evitar riesgos.
  5. Cultura de datos impulsada por trabajadores. Los miembros de la junta son importantes, también lo es el CEO de la compañía, pero muchas empresas que han triunfado en el uso de datos comprendieron que son los que trabajan a diario quienes tienen el mayor poder de impulsar una cultura basada en datos porque respiran el negocio todos los días, lo conocen y comprenden perfectamente.
  6. Datos al interior de la empresa. Hace tiempo existía una tendencia a utilizar empresas externas para almacenar datos como informes de exploración o estadísticas. Hoy, la cultura basada en datos promueve el uso de tecnología de almacenamiento interno para un mejor uso y seguridad de la información.
  7. Cultura y talento: una unión poderosa. Las personas que tienen éxito y logran impulsar la cultura organizacional consciente de los datos, son inteligentes y poseen habilidades que van más allá de sus estudios. Tienen talento para vincularse, para resolver problemas de los clientes y la empresa, para tomar decisiones eficientes y precisas. La cultura de datos se vincula a talentos de este tipo. 

En KMG ayudamos a las empresas a generar una cultura organizacional consciente de los datos mediante herramientas tecnológicas de última generación. Ingresá a nuestra web y conocé el futuro de los datos.

29 Jul 2021

El impacto positivo de la IA en las organizaciones pos 2020

Durante un 2020 muy inusual, se pudo ver cómo la Inteligencia Artificial (IA) se convirtió en una herramienta de gran valor para las organizaciones, ya que además de reducir costos operativos permitió también aumentar ingresos. El 66% de las empresas que adoptaron IA muestran un incremento en sus ganancias, lo que confirma su importancia a la hora de impulsar la transformación digital. 

Con resultados tan positivos en la implementación de IA durante un año tan complejo e incierto como fue el 2020, las empresas planean continuar su inversión en IA en respuesta a la pandemia COVID-19 y la aceleración digital que generó. Sin embargo aún son muchas las que tienen dificultades para integrar la IA en sus organizaciones a escala: los entornos de datos complejos limitan la agilidad, mientras que los silos de datos y conjuntos de datos inconsistentes dificultan su implementación. 

En esta nota repasamos cuál es el impacto positivo que está generando la IA en las organizaciones y cómo ha contribuido esta tecnología durante los momentos álgidos de la pandemia. 

 

El impacto positivo de la IA en las organizaciones

Un detallado informe realizado por McKinsey & Company a finales del año pasado -a partir de encuestas a 2395 miembros de empresas de distintos rubros, en diferentes partes del mundo- indica que la mitad de los encuestados informó la adopción de IA en al menos una función de sus organizaciones. Los sectores más propensos a esta incorporación fueron los de alta tecnología y telecomunicaciones, junto al sector automotriz y de ensamblaje. 

Dentro de estos rubros se registra un mayor uso de IA en funciones como la optimización de inventarios y piezas, precios y promociones, análisis del servicio al cliente y previsión de ventas y demanda. Estas implementaciones significaron un aumento en los ingresos empresariales ya que se redujo el costo en, por ejemplo, la optimización de la gestión del talento, la automatización de los call center y de los espacios de almacenamiento. Lo que demuestra que las empresas que utilizan IA están viendo que el valor de esta tecnología se acumula a nivel empresarial: el 22% de los encuestados de McKinsey & Company afirma que más del 5% del EBIT de la empresa se puede atribuir al uso de IA. Esto indica que cualquier empresa puede obtener valor de la IA si se aplica de manera eficaz y repetible. 

Las organizaciones siguen avanzando en el uso de IA pero lograr un impacto a gran escala continúa siendo un desafío para muchas empresas no solo por aspectos técnicos, sino por los cambios estructurales a nivel organizativo. 

Las empresas de alto rendimiento en IA invierten más de sus presupuestos digitales en esta tecnología e incorporan talentos en IA como ingenieros y arquitectos de datos. Por otra parte, ya cuentan con una plataforma estandarizada para uso exclusivo de la ciencia de datos, ingeniería de datos y desarrollo de aplicaciones relacionadas a IA. 

Pero este análisis de empresas de alto rendimiento no debe hacer decaer los ánimos de otro tipo de organizaciones con respecto a la implementación de la IA. Con este análisis buscamos mostrar el alto alcance de esta tecnología, que puede comenzar con implementaciones más sencillas: el uso de metodologías de prueba y aprendizaje para ejecutar iteraciones rápidas en iniciativas de IA, la implementación de procesos para capturar la retroalimentación empresarial y la definición de grupos de casos de uso de IA en unidades de negocio prioritarias, funciones u otras áreas de actividad empresarial.

 

El aporte de la IA en tiempos de pandemia

La pandemia COVID-19 volcó a toda velocidad a consumidores y empresas a los canales digitales. En este proceso hemos visto cómo gran cantidad de organizaciones adoptaron y escalaron la IA y la analítica mucho más rápido de lo que creían. Con la incorporación de esta tecnología pudieron trabajar junto a sus equipos de análisis para actualizar los patrones de demanda, reconsiderar las cadenas de suministros, crear escenarios en torno a las necesidades de recursos y habilitar la automatización de fábricas y otros entornos de industria donde los trabajadores debían mantener distancia por el riesgo epidemiológico. 

Aquellas organizaciones que pudieron probar los aportes de la IA durante la pandemia, están duplicando la incorporación de esta tecnología pese a que la situación económica en general no sea la más estable y prometedora. Las empresas de alto rendimiento han comprendido que un aumento en la inversión de IA para cada función empresarial ofrece una respuesta positiva a un problema generado por la pandemia y pueden visualizar los inconvenientes con más claridad que aquellas organizaciones que no ven el valor de la IA. Asimismo han podido actuar más rápido frente a problemas de marketing y ventas, desarrollo de productos y operaciones gracias a que la IA informa con mayor frecuencia las situaciones. 

Hoy se puede contar con una plataforma de datos e IA que simplifique y automatice la forma de recopilar, organizar y analizar datos como es IBM Cloud Pak® for Data que hace posible además ejecutar cargas de trabajo en cualquier nube, utilizando y pagando sólo por lo que se necesita en forma segura. 

En KMG podemos contribuir a la implementación de IA en tu camino hacia una transformación digital eficiente.

¡Contáctanos para conocer más! 

 

25 Jun 2021

Los desafíos que afrontan los líderes de Transformación Digital

Cada vez son más las empresas que comprenden la importancia de llevar adelante un proceso de digitalización para adaptar los negocios al mundo online. La realidad es que esto es mucho más que una tendencia, es una evolución inevitable para adecuarse a los tiempos que corren que hoy son y serán cada vez más digitales. No sólo las organizaciones están mutando sus procesos y estrategias, sino que también los hábitos y comportamientos de los clientes han cambiado y también van hacia la digitalización total. 

Cuando nos referimos a Transformación Digital, no hablamos solamente de incorporar tecnología y digitalizar procesos, sino de un cambio mucho más importante: de una estrategia que atraviesa todos los ejes y áreas de las organizaciones. Que cambia la forma de operar internamente y busca adaptar el modelo de negocio para el aprovechamiento máximo de las capacidades digitales y analíticas que brinda la tecnología. Esta transformación implica combinar las capacidades analíticas con las posibilidades que ofrecen las redes sociales, la automatización y la Inteligencia Artificial en busca de lograr una buena experiencia del usuario que garantice más y mejores ventas. 

Y como en la Transformación Digital confluyen gran cantidad de estrategias, acciones y áreas que las llevan adelante, es fundamental contar con un líder de transformación digital o Chief Digital Officer (CDO), que pueda llevar adelante esta evolución de empresa clásica a empresa digital. Su objetivo es lograr una migración a un contexto laboral inteligente, eficiente e interconectado digitalmente para garantizar la capacidad competitiva y alinear la empresa a los estándares de calidad del futuro.
Conozcamos más sobre este importante rol y los desafíos que tiene por delante en este proceso. 

 

Impulsar la Transformación Digital

Tal como decíamos al comienzo, la Transformación Digital de las empresas requiere importantes cambios en la infraestructura y desarrollo organizacional. Es por ello que es necesario definir un responsable del proceso con fuerte liderazgo que garantice la definición, implementación y seguimiento de la estrategia. 

El líder digital o CDO es una figura clave para garantizar los cambios continuos que requiere dicha evolución. Es quien deberá evaluar cada una de las incorporaciones relacionadas a lo digital, como el uso de las redes sociales, software y tecnologías inteligentes. Por lo tanto será crucial que sepa analizar las tecnologías disponibles para incorporar y que las mismas se enfoquen en la generación de datos, ya que un negocio digital hoy en día no puede existir sin datos ni el análisis de los mismos. 

Gartner predice que para el 2023, el 50% de los CDO que no cuenten con un colega a cargo de los datos, deberán tomar ese rol también para garantizar el éxito de la empresa en su transformación digital. 

A su vez, el contexto de la pandemia COVID-19 ha acelerado los procesos de digitalización de gran cantidad de empresas. En base a una encuesta a miembros de Juntas Directivas de este año, Gartner señala que el 69% de las empresas han incrementado sus transformaciones digitales en respuesta a las nuevas costumbres generadas por la pandemia. El 68% de los encuestados además indica que la analítica emergerá como la principal tecnología revolucionaria de la crisis de COVID-19.

De allí la importancia de contar con ambos roles, el del Director de Datos y el CDO que trabajen en conjunto en busca de la aceleración del negocio digital y la construcción de una organización basada en datos o bien que el rol del CDO contemple un enfoque analítico para garantizar el uso correcto de los datos y su análisis. 

 

Principales tareas y desafíos del líder de transformación digital 

En un proyecto de Transformación Digital el CDO tiene múltiples tareas y desafíos, tanto a nivel interno como externo de la empresa.
Comenzando por los desafíos dentro de la organización, este perfil debe: 

  • Revisar y definir las políticas de trabajo y sus procesos. A su vez buscará habilitar nuevos canales y medios para compartir la información entre los equipos que se adapten a múltiples dinámicas, como puede ser trabajo en la oficina o remoto.
  • Automatizar los procesos críticos y operativos, en especial aquellos que involucren grandes volúmenes de información que cuentan con importancia estratégica para la empresa. Esta información será prioritaria en los planes de digitalización y automatización. 
  • Identificar la necesidad de nuevos perfiles con ciertas aptitudes tecnológicas que se requieran en diferentes áreas y alineará los procesos de selección de los mismos a los nuevos procesos digitalizados. 
  • Conocer todas las nuevas metodologías de negocios para garantizar la innovación y agilidad. A su vez deberá tener la capacidad de distinguir entre las opciones de calidad que generarán un impacto positivo en la organización. 
  • Priorizar y valorar las nuevas tecnologías como IoT (Internet de las cosas), Big Data, Inteligencia Artificial y Machine Learning.
  • Garantizar la seguridad de los datos y su óptimo manejo. En un entorno cada vez más digital, este perfil deberá asumir la responsabilidad de generar la confidencialidad de los datos internos de la empresa, de sus clientes, proveedores y partners, además de su utilidad para el progreso de la organización. 
  • Implementar soluciones digitales que disminuyan el esfuerzo de los miembros del equipo y que los encaucen en el camino analítico. De esta manera reducirá tareas operativas repetitivas generando un valor agregado a través del análisis de la información y ofreciendo herramientas innovadoras. 

A nivel externo tiene como tareas y desafíos: 

  • Colaborar en la redefinición de productos y ofertas adaptándolas a un nuevo modelo de negocio digital. 
  • Conocer a fondo a los clientes para saber si todos comprenden las nuevas modalidades digitales. 
  • Brindar nuevas soluciones digitales en relación con el proceso de compra para hacerlo más intuitivo y sencillo. 
  • Implementar junto al equipo de marketing estrategias de atracción por medio del marketing online y las redes sociales. 
  • Redefinir los servicios de atención al cliente para optimizar su funcionamiento y que se aprovechen al máximo las capacidades digitales y analíticas en busca de una experiencia de usuario satisfactoria. 

Mientras las organizaciones adopten un camino digital y tomen este rumbo como una premisa fundamental, estos desafíos pasarán gradualmente a convertirse en simples tareas del día a día. Este será el objetivo principal del CDO, quien debe caracterizarse por su capacidad de proporcionar valor medible a todas las partes interesadas en el negocio y acompañar el progreso de las personas del equipo con nuevas herramientas y acceso a los datos. 

KMG con sus soluciones de analítica avanzada puede ser tu aliado para lograr el máximo aprovechamiento de los datos, acceder a reportes autogestionables para tomar mejores decisiones en cada área del negocio y mejorar las proyecciones con IA y Machine Learning para predecir comportamientos y futuros escenarios.

21 May 2021

Los importantes aportes de la analítica predictiva en la elaboración del Forecast del sector retail

En el segmento retail siempre están presentes las siguientes preguntas: ¿Cuánto se venderá este mes? ¿Cómo podemos optimizar el stock? ¿Qué productos debemos promocionar más? ¿Qué producto se venderá más?

Todas las respuestas pueden encontrarse en la información de la empresa, solo hay que saber buscarla y así anticiparse a lo que sucederá, planificar futuras acciones y obtener los mejores resultados. 

Una de las claves para elaborar con éxito el Forecast de Ventas, es que los datos dispuestos sean relevantes, confiables, exactos, válidos y que estén actualizados. Por lo tanto, las empresas deben sumar a sus procesos de negocios herramientas analíticas que les permitan crear un Forecast de Ventas y así tener mejores discusiones internas sobre estimación de demanda, con datos certeros y exactos. De esta manera podrán minimizar errores en la adquisición de stock, integrar inputs de distintas áreas y trabajar con organización en una plataforma única y de manera colaborativa. 

En ocasiones anteriores, hemos hablado de la elaboración de un Forecast de Ventas sobre una base analítica confiable y comprensible de entender para tomar mejores decisiones. Sin embargo el proceso varía según el rubro en el que se lo aplica ya que, una vez recolectados los datos, el método para la predicción de demanda no es el mismo para todos los productos. Por lo tanto una solución de Analytics suele ofrecer una variedad de modelos estadísticos que permiten proyectar a futuro, específicamente para un rubro con mínimas posibilidades de error. 

Es por eso que hoy nos enfocaremos en hablar sobre las utilidades que tiene para el sector minorista. 

Problemas del Forecast de Ventas que se resuelven con analítica predictiva

Las soluciones de analítica predictiva se han convertido en la herramienta perfecta para ayudar a las empresas a resolver los interrogantes sobre sus predicciones porque utilizan datos de ventas pasadas, variables del contexto que determinan la demanda y comportamientos del shopper (que con anterioridad fueron recolectados) para analizar lo que ocurrirá a futuro e incidir directa y positivamente en su planificación.

Estas soluciones  permiten resolver la incertidumbre asociada a la previsión de ventas y el escenario que se repite una y otra vez en muchas empresas: llegan datos nuevos, se analizan los resultados de los pronósticos, se toman decisiones y al comenzar las acciones, se empieza a notar que los resultados están lejos de lo esperado. Allí es cuando el equipo de trabajo se pregunta: ¿En dónde estamos fallando? 

Este escenario se da por una combinación de diversos factores que suelen ser: 

  • Errores humanos en la introducción de los datos. 
  • Falta de calidad en la información.
  • Dificultades de acceso al conocimiento en la organización por parte de los usuarios del negocio.
  • Se aplican juicios o intuiciones en un porcentaje demasiado elevado, en vez de sólo referirse al objetivo de los datos. 
  • Se utilizan modelos obsoletos o que no son lo suficientemente sofisticados para conservar y transmitir información como son las hojas de cálculo. 
  • No hay visibilidad sobre algunos de los factores posibles que podrían impulsar las ventas. 

Llevar adelante un errado Forecast de Ventas puede desencadenar graves consecuencias para el negocio al poner en peligro el flujo de efectivo, o incrementar los costos de inventario.

Incorporar analítica al Forecast de Ventas impulsa los beneficios del negocio, dejando atrás las limitaciones humanas en la previsión de ventas que hemos visto en el punto anterior. Además ayuda a conocer más y mejor a los clientes, sus preferencias y predecir su comportamiento, motivaciones y actitudes de compra para anticiparnos a sus necesidades.

En general en el panorama del retail suelen influir cientos de factores que afectan potencialmente la demanda, haciendo que la generación de pronósticos sea algo muy complejo. Frente a esta complejidad, los sistemas que hacen uso del aprendizaje automático han demostrado ser potentes activos en la estrategia de cualquier retail. 

Los algoritmos de machine learning automatizan la capacidad del sistema para combinar, analizar flujos de datos inmensos, identificar patrones complejos y producir las previsiones de demanda altamente precisas que necesitan los retailers. 

La analítica de predicciones, a través del machine learning, permite combinar los datos con cientos de variables dinámicas (tendencias de temporada, pronósticos meteorológicos locales, decisiones de precios, promociones y más) aprendiendo de esa información y actualizando los cálculos de pronóstico a medida que van variando los datos. También puede ser una herramienta muy potente para analizar puntos de datos que influencian a la demanda como patrones de consumo, decisiones de negocio y otros factores externos. Así se puede generar un pronóstico de demanda fiable. 

El aprendizaje automático ofrece un mayor nivel de visibilidad, ayuda a que la planificación del retail sea un proceso más colaborativo y logra que los planificadores puedan tomar mejores decisiones.

Suele pasar que en las organizaciones cada área elabora sus propios perfiles sobre los clientes, y que cada una de ellas ve al mismo cliente de una manera diferente. Al poder contar con una fuente centralizada de información y conocer mejor a los clientes, se desencadenan una serie de consecuencias positivas como la eficiencia en costos, la optimización de la comunicación interna, una mejor atención al cliente, una tasa de conversión más elevada o mayor efectividad a la hora de retener clientes.

En resumen, el análisis predictivo mejora las previsiones de venta ya que es capaz de: 

  • Combinar registros históricos, como los datos internos de los clientes con información de sus perfiles por ejemplo de las redes sociales.
  • Integrar en el análisis variables como los ratios de ganancias y pérdidas, factores de demora o tasas de cierre.
  • Cotejar toda esa información, así como datos relativos a la integridad del proceso de ventas, con datos externos que revelen la inclinación de un cliente a comprar.
  • Facilitar el trabajo entre distintas áreas, ofreciendo datos precisos, certeros e uniformes a cada equipo que los precise, de manera que todos manejen la misma información. 

¿Quieres conocer más sobre estas soluciones? Contáctanos.

 

25 Mar 2021

Newsletter Febrero: «¡Conocé nuestro más reciente caso de éxito!»

 

Desde KMG, ayudamos a Exeltis a unificar la información de las oficinas de Chile, Ecuador y Perú y obtuvimos un modelo confiable para el procesamiento y análisis de la información así como un eficiente modelo de supply que les brinda automáticamente el sugerido de compras por producto con el respaldo de un cálculo basado en la ciencia de los datos.

Seguir leyendo >>> 

17 Feb 2021

Newsletter Enero : «Tendencias en Analytics para el 2021»

El desafío actual de las organizaciones es recuperarse de un 2020 difícil y muy particular. Y las soluciones de business analytics son las que brindarán un gran soporte para superar la situación. En este nuevo ciclo, los datos y el análisis combinados con tecnologías de inteligencia artificial, serán esenciales para mejorar los pronósticos y medir el impacto de las decisiones que se tomen.

Seguir leyendo >>> 

15 Jan 2021

Tendencias en Analytics para el 2021: El camino hacia la recuperación post Covid 19

Comienza el 2021 y dejamos atrás un año complejo para el mundo, que significó un antes y un después para las empresas debido a la pandemia del Covid 19.

Este nuevo ciclo será en definitiva un comienzo para la recuperación, donde jugarán un papel más que esencial los datos y el análisis combinados con tecnologías de inteligencia artificial para mejorar los pronósticos.

¿Cuáles serán las tendencias principales a las que los líderes de datos deberán prestar atención este venidero año? ¡Te invitamos a leer y a tomar nota!

Durante su reciente Simposio de TI, la firma de analistas Gartner dio a conocer las 10 principales tendencias tecnológicas estratégicas en datos y analítica. Una lista diseñada para llevar a las organizaciones “de la crisis a la oportunidad” a medida que se recuperan de los efectos de la pandemia.

Estas son las tendencias presentadas por la vicepresidenta de investigación, Rita Sallam, durante el simposio:

 

IA más inteligente, más rápida y más responsable.

Este año sacó a relucir aún más la importancia de analizar de forma ágil los datos utilizando la inteligencia artificial, el procesamiento del lenguaje natural (NLP) y aplicando el machine learning para predecir qué sucederá y el impacto de las decisiones que se tomen. 

Esta tendencia muy utilizada en el contexto de la pandemia actual, seguirá siendo parte del 2021, no solamente en la industria farmacéutica y de la salud, sino también en el resto de las empresas que manejen situaciones comerciales complejas y que busquen conocer cómo será el comportamiento de sus públicos para sumar ventajas a la hora del lanzamiento de nuevos productos, precios o promociones, en pos de la tan ansiada recuperación. 

«Según Gartner un 75% de las empresas pondrá en funcionamiento sus programas pilotos de IA para fines del 2024. Esto implicará un aumento significativo de las infraestructuras de análisis y de datos.»

Datos dinámicos y experiencias automatizadas

El tiempo que los usuarios destinaban a la utilización de dashboards predefinidos y por ende, al trabajo manual para obtener mayor cantidad de información, disminuirá significativamente.  El cambio va a obtener historias de los datos contextualizadas, hacia una experiencia mucho más automatizada y relevante en función del contexto, función o uso de cada usuario.

Este 2021 los analistas deberán evaluar constantemente sus herramientas de análisis e inteligencia empresarial y si es posible implementar nuevas experiencias de usuario aumentadas para mejorar la calidad y la velocidad de sus análisis en pro de la productividad y el crecimiento de la organización. 

Líderes apoyados en la inteligencia de decisiones

Utilizando la inteligencia de decisiones y, junto a ello, una multitud de técnicas que permita administrar los datos de forma efectiva, los líderes de datos y análisis serán capaces de diseñar, componer, modelar, alinear, ejecutar, monitorear y ajustar los modelos y procesos de decisión en el contexto de los resultados y el comportamiento del negocio.

Gartner señala que para el 2023 más del 33% de las grandes empresas contarán con analistas que practiquen esta disciplina, apoyándose en la gestión de decisiones y en la tecnología de modelado.

Analítica X combinada con IA para predecir y planificar

“X Analytics” es un término general que se refiere al tipo de análisis variable según sea el contenido a analizar: audio, texto, video, etc. 

Al combinar la analítica X con tecnologías innovadoras como la Inteligencia Artificial las posibilidades de predecir y planificar eventos futuros será mucho mayor, por eso, forma parte de las tendencias para este 2021, y los líderes de datos y análisis tendrán que estar muy pendientes de su evolución que probablemente vendrá de pequeñas empresas emergentes disruptivas y proveedores de nube. 

Gestión de datos aumentada para optimizar las operaciones

La gestión de datos aumentada (ADM en sus siglas en inglés) utiliza técnicas de machine learning e inteligencia artificial para optimizar y mejorar las operaciones. Entre otras cosas, permite examinar muestras de datos operativos sin importar cuán grande sean: allí se incluyen consultas reales, datos de rendimiento y esquemas, logrando que las diferentes categorías de administración de la información (metadatos, datos maestros, entre otros) se configuren y ajusten automáticamente para eliminar tareas manuales y proporcionar a los analistas mayor velocidad en la toma de decisiones, aún frente a los cambios abruptos del mercado.

La nube, un servicio esencial para la innovación

Si bien los servicios en la nube se han convertido en tendencia desde mucho antes de la pandemia, el impacto del Covid19 aceleró su uso y se estima que para el 2022 serán esenciales en un 90% para la innovación en datos y análisis. 

En el próximo año, el desafío de los analistas será optimizar costos de gobernanza e integración y priorizar las cargas de trabajo en la nube para sacarle un verdadero provecho a este servicio con foco en el cambio y la innovación. 

El mundo de los datos y el análisis colisionan

Las aplicaciones no analíticas evolucionarán para incorporar la analítica en los próximos años. Para el 2023, se espera que el 95% de las empresas Fortune 500 hayan alcanzado tal convergencia.

Es por ello que la interacción y la colaboración entre roles de análisis y datos históricamente separados sin dudas aumentará. Pero esto no solo afectará a las tecnologías y capacidades de los sistemas, sino también a las personas y a los procesos que las respaldan y utilizan.

La compra y venta de datos aumentará un 35% para el 2022

El pronóstico de Gartner es que las grandes organizaciones venderán o comprarán datos a través de mercados formales, con la intención de acelerar la nube, la ciencia de los datos, el aprendizaje automático y la inteligencia artificial. Este aumento, que fue del 25% en el año 2020, alcanzará el 35% para 2022.

Blockchain para datos y analítica

Esta tecnología diseñada para administrar el registro de los datos online, no reemplazará, según la vicepresidenta Sallam, las tecnologías de gestión de datos existentes, por lo que será utilizada para iniciativas verticales específicas impulsadas por el negocio.

Para  2023, el pronóstico de Gartner es que aumentará un 50% la calidad general de los datos en organizaciones que utilizan contratos inteligentes de blockchain, pero disminuirá un 30% la disponibilidad de estos mismos datos, lo que creará un ROI a la inversa.

Tecnologías gráficas para una rápida contextualización

La analítica gráfica es un conjunto de técnicas analíticas que permite la exploración de relaciones entre distintas entidades como organizaciones, personas y transacciones.

Estas relaciones normalmente se pierden cuando se utilizan enfoques de almacenamiento tradicionales, por eso, para 2023 el pronóstico de Gartner es que el 30% de las organizaciones en todo el mundo se valgan de esta tecnología para facilitar el análisis de la información e inclusive para combinarlas con algoritmos de aprendizaje automático y así revisar miles de fuentes de datos y documentos en un tiempo mucho menor. 

KMG a la vanguardia de estas tendencias

En KMG queremos seguir ayudando a comprender, mejorar y transformar los procesos de negocio, agregando inteligencia con analítica avanzada para que las empresas puedan mantenerse a la par de las nuevas tendencias del mercado.

Este 2021 el reto de las organizaciones es recuperarse de un año particularmente difícil y estamos seguros que las soluciones de business analytics constituirán un gran aporte para lograrlo.

 

Por nuestra parte, estamos listos para orientarte en el camino.

Contáctanos y demos el primer paso de la mano. 

 

 

20 Nov 2020

Planificación estratégica: Clave para asumir los desafíos que se plantearon este año en la industria farmaceútica

El 2020 ha significado todo un desafío para las empresas, más aún para la industria farmacéutica, que ha tenido un papel protagónico frente a un avasallante incremento de la demanda de productos de cuidado de la salud y la necesidad de planificar y re planificar sus finanzas y operaciones en función de esta nueva realidad.

Un informe técnico del INDEC señala que en el segundo trimestre de este año, en medio de la pandemia del Covid 19 en el país, la facturación total de la industria farmacéutica argentina registró 76.983,1 millones de pesos, lo que significa un incremento de 54,6% en relación con el mismo trimestre del año pasado. 

Un crecimiento de este tipo requiere de modelos que permitan medir rápidamente el impacto de estos números en el flujo de caja y en los resultados operativos y financieros, conectando las distintas áreas relacionadas, para tomar decisiones de negocio acertadas y no perder oportunidades en un mercado en expansión. 

Lograr una mayor coordinación e integración de la información es sumamente clave para facilitar este trabajo, en un entorno dinámico donde está a prueba la eficiencia en la comercialización y distribución de los productos y al mismo tiempo, es preciso anticipar nuevas modalidades de negocio.

En este sentido, la analítica juega un papel fundamental:

Más aún si el objetivo principal es contar con información útil y accionable que reduzca significativamente la cantidad de horas que involucra el trabajo manual (en planillas tradicionales de cálculo como excel) para dedicar ese tiempo a sumar valor para el análisis y el procesamiento de la información.

Una realidad única y confiable

En un contexto como el que se presentó este año en la industria de pharma, con una dinámica financiera acelerada, es necesario trabajar de forma coordinada para proporcionar información rápida y certera a los encargados de la toma de decisiones, basándose en análisis y reportes altamente flexibles, generados desde una sola fuente de información, que sea lo suficientemente robusta y confiable. 

Todo esto, sin importar la complejidad del proceso que involucra el presupuesto financiero, ni lo vasto que sea el conjunto de datos, para reconocer la situación actual de la empresa y realizar un seguimiento de la evolución de los datos reales contra los planificados (en relación con gastos, ventas, entre otros).

En función de este análisis, se hace posible re planificar y hacer los ajustes necesarios frente a los cambios inesperados y mantenerse de pie ante una dinámica por momentos desafiante. 

Colaboración e integración de datos

Avanzar en procesos colaborativos automatizados permite obtener información de volúmenes, precios, y gastos de cada centro de costos, provistos desde distintas áreas de la empresa, incluyendo manufactura, ventas, marketing, supply chain, RRHH y administración.  

Así se logra una verdadera integración de datos y reportes confiables para avanzar en cada proceso operativo en tiempo y forma, eliminando riesgos de inconsistencias y suprimiendo silos de información que puedan distorsionar los informes y llevar a decisiones equivocadas. 

Cadena de Abastecimiento Optimizada

El incremento en la facturación de la industria que mencionamos al inicio de la nota y que significó un claro aumento de la demanda, dejó muy en claro la necesidad de avanzar en la integración de datos de diversas fuentes y en involucrar “analítica avanzada” para optimizar la cadena de abastecimiento y los tiempos de entrega de medicamentos y otros insumos de primera necesidad, en medio de la pandemia.

Todo esto, teniendo en cuenta la información sobre recorridos a cubrir, costos de transporte, demanda de cada cliente, espacios de los almacenes, entre otras variables claves, para lograr suplir de forma coordinada a mayoristas y distribuidores, optimizando la distribución de los productos y minimizando los costos involucrados.

En KMG contamos con una amplia experiencia en la industria farmacéutica. Hemos implementado nuestras soluciones en más de 15 laboratorios, tanto nacionales, como internacionales alcanzando, inclusive,  proyectos regionales en muchos de ellos.

Dentro de los modelos que hemos implementado en esta industria, algunos ejemplos son: modelos de sales forecasting, modelos de workforce performance, modelos de budgeting and planning, modelos de predicción de demanda, modelos de supply chain, modelos de sell-in y sell-out para control de inventarios en los distribuidores y modelos de incentivos para la fuerza de ventas.

Esta amplia experiencia en la industria nos permite implementar soluciones en plazos muy cortos de tiempo, alcanzando rápidos resultados (Quick wins) con una baja inversión.

Contáctanos, estamos para asesorarte. 

28 Oct 2020

Newsletter Octubre – ¿Cómo mejorar tu pronóstico de ventas usando Predictive Analytics?

Sabemos que con el BI tradicional podemos tener un análisis descriptivo de la situación con base en datos históricos, y podemos dar respuesta a ¿Qué es lo que ha pasado?, pero el siguiente paso para llegar a ser verdaderamente una compañía data-driven pasa por incorporar técnicas de análisis predictivo con Machine Learning.

Este conjunto de procesos, en donde se aplican diferentes técnicas para realizar predicciones sobre el futuro basándonos en datos pasados, nos lleva a pasar de tener una actitud reactiva -en la que muchas veces es tarde para actuar-, a tener una forma proactiva de trabajar, anticipándonos a eventos, tendencias y variaciones del mercado.

Seguir leyendo >>

30 Sep 2020
Optimización de Inventarios

Newsletter Septiembre – Optimización de Inventarios: Un Impulso Hacia el Éxito y la Rentabilidad

No todos los ejecutivos, gerentes o dueños de negocio son conscientes del poder que tiene la Optimización de Inventarios para garantizar la eficiencia operativa y la rentabilidad empresarial, más aún en tiempos económicos difíciles.

Lo más común es que sigan administrando su stock basados en datos visualizados en hojas de cálculo u otros métodos tradicionales, que imposibilitan la resolución de situaciones y toma de decisiones en tiempo real.

Seguir leyendo >>