Sugerencias de Business Analytics: aproveche sus datos para mejorar la toma de decisiones

Muchas organizaciones que piensan que están basadas en datos todavía están en primera marcha. ¿Cómo pasa de simplemente recopilar una gran cantidad de datos a configurar una función de análisis empresarial que realmente le diga cómo modificar su modelo para mejorar la rentabilidad?

Entrevistamos a Travis Anderson, director de análisis de negocios de Toptal, para obtener sus ideas y consejos de análisis de negocios sobre cómo configurar una función central dentro de una empresa, eliminar el sesgo en los informes, la importancia de usar datos y posibles escollos. Como director de análisis de negocios de Toptal, Anderson lidera un equipo que permite la toma de decisiones basada en datos al conectar la estrategia comercial con las actividades de datos (es decir, análisis de datos, informes, análisis de diagnóstico y ciencia de datos).

Business Analytics es compatible con todas las áreas funcionales del negocio, incluidas las ventas, el marketing, las finanzas, los productos, las operaciones y los recursos humanos. Anderson aporta más de una década de experiencia en la creación y dirección de equipos de análisis e ingeniería para impulsar un crecimiento empresarial significativo, incluso en Vivint Smart Home, Symantec, la Universidad Brigham Young y en su startup, Mapline. Tiene una licenciatura y una maestría en ingeniería mecánica y una maestría en administración de empresas, todas de la Universidad Brigham Young.

¿Cuáles son los usos de Business Analytics?

El análisis empresarial permite a los gerentes tomar decisiones mejores y más informadas y puede aumentar la eficiencia operativa al ayudar a los gerentes a utilizar los recursos de manera más eficiente y, en última instancia, optimizar el resultado final, según el informe 2020 Global State of Enterprise Analytics de MicroStrategy.

En el caso de Toptal, Anderson identificó cuatro principios fundamentales para impulsar nuestro negocio y el valor de por vida de los clientes:

1. Adquisición de clientes: uso de datos para mejorar el proceso de adquisición de clientes
2. Expansión de la huella: comprensión de cómo impulsar la expansión tanto geográficamente como dentro de la base de clientes existente
3. Retención de clientes: encontrar puntos de desgaste en el recorrido del cliente
4. Optimización de los costos de adquisición, retención y operaciones comerciales

Estos cuatro principios también son una forma para que la empresa mida el ROI en análisis de datos y negocios.

¿Cuáles fueron los principales desafíos en Toptal?

Análisis en silos

Según Anderson, el primer desafío al que se enfrentó cuando se unió a Toptal fue la transformación del enfoque interno de la analítica. En ese momento, la mayoría de los equipos funcionales internos estaban realizando su análisis. La mayoría de los equipos tenían un analista de datos y cada uno hacía su trabajo de datos, que se concentraba principalmente en informes, análisis y análisis de tendencias. Aunque existía una cultura de datos y los gerentes de línea utilizaban datos en su toma de decisiones, la configuración era ineficiente.

Cada equipo tenía un enfoque diferente, lo que a su vez significaba que el mensaje estaba confuso. Dado que cada grupo tenía una función de datos internos, no había coherencia en las definiciones y los KPI. Las discusiones de la gerencia a menudo se enfocaban en la reconciliación, lo que podría ser una distracción. Dado que las definiciones eran diferentes, los aprendizajes de los datos, a veces, se perdieron.

Sesgo de informes

El segundo problema que surgió de la recopilación y el informe de datos descentralizados fue que cada equipo tenía un sesgo al presentar sus datos. Cada función estaba seleccionando datos para retratarse a sí misma de la mejor manera. Esta práctica creó una falta de enfoque y una posible falta de control.

Anderson se embarcó en una revisión completa del enfoque y el marco de análisis empresarial de la empresa. La prioridad era crear una función central: un centro analítico de excelencia que existiera fuera de las líneas comerciales y sirviera como punto de control. Una función central garantiza que los datos se recopilen y analicen de manera homogénea y que se elimine el sesgo de notificación.

Una vez que se establece el centro, es necesario asegurarse de que cuente con el personal adecuado. El primer orden de prioridad es identificar la brecha de habilidades. Para construir un equipo que pueda ser efectivo y tenga un impacto, necesita personas que tengan sólidas habilidades técnicas, sólidas habilidades para resolver problemas, pero también visión para los negocios.

¿Cómo agrega valor un Business Analytics Center?

Según Anderson, el principal valor agregado de crear una función central de análisis de datos y negocios es mejorar el rendimiento y reducir los costos . Hasta que una empresa mida el desempeño de manera consistente a lo largo del tiempo, es un desafío para la gerencia mejorar el desempeño de manera significativa.

El primer paso es establecer la consistencia de las métricas y cuantificar un objetivo basado en estas métricas acordadas. Esto tiene el efecto conductual esencial de motivar al personal. Como señala Anderson, ¿cómo motivar a la gente si no hay metas? Además, cualquier métrica cuantitativa es mejor que ninguna. En opinión de Anderson, “Si solo comienza a medir una cosa, puede ver un beneficio real, ya sea porque puede influir en ella o puede ver que no es relevante”.

El equipo de Anderson respalda todas las funciones comerciales y realiza controles semanales y quincenales con cada una. La primera parte del trabajo es garantizar la recopilación de datos correctos. Esta colección tiene un objetivo de comportamiento para motivar a las personas a hacer su trabajo y asignar una "puntuación" a su desempeño.

Elegir los KPI correctos

Una vez que se han recopilado datos consistentes y de alta calidad, surge el mayor desafío: evaluar cuáles son los KPI correctos para cada unidad de negocio. La evaluación comienza de arriba hacia abajo. El equipo de análisis de negocios mapea la estrategia de la empresa en datos para que los KPI de análisis de negocios seleccionados sean útiles en términos de brindar información y sean significativos tanto a nivel de arriba hacia abajo como de negocios.

Algunas de las preguntas que llevan a establecer los KPIs adecuados son:

• ¿Cuáles son las métricas clave?
• ¿Son financieros?
• ¿Se basan en operaciones?
• ¿Cuál es el marco de lo que el equipo está midiendo?
• ¿Es necesario que las personas individuales sean responsables de cumplir objetivos específicos?
• ¿Cómo serán calificados?

Es primordial que el equipo de análisis empresarial comprenda a fondo el negocio y su estrategia. En Toptal, existe un fuerte apoyo dentro de la empresa a la misión de la organización.

Los datos se procesan y estudian utilizando modelos y pronósticos estadísticos sólidos. Sin embargo, es importante señalar que el resultado del análisis no es una decisión, sino datos cuantitativos que ayudan a tomar mejores decisiones. En última instancia, todas las decisiones comerciales son responsabilidad del líder empresarial. Existe una asociación entre las partes interesadas y el equipo de análisis de datos y negocios a través de un proceso iterativo. Una vez que se toma una decisión, los datos deben respaldarla. No solo, sino que hay una reevaluación periódica de los KPI para garantizar que siempre estén alineados con las prioridades estratégicas de la empresa.

El proceso no siempre es indoloro. A veces, puede haber fricciones entre las partes interesadas, ya que hay mucha retroalimentación en los datos. No todos los gerentes son igualmente receptivos a dicha retroalimentación. Anderson considera que su responsabilidad es proporcionar una recomendación digerible y educar a los ejecutivos sobre cómo interpretar los conocimientos extraídos de los datos.

Lectura incorrecta de los datos

Anderson se refirió a los posibles resultados adversos que una empresa puede encontrar cuando existe una disciplina interna deficiente en la recopilación y el análisis de datos. En un compromiso anterior, se había encontrado con una empresa que tenía una unidad comercial grande que era responsable de una parte sustancial de los ingresos de la empresa. Esta unidad de negocios tenía varios representantes de ventas que eran colectivamente responsables de los ingresos de más de $200 millones. Sin embargo, este equipo midió sus ingresos de manera diferente al resto de la empresa y los informó en un sistema separado.

Durante un cambio de gestión, un nuevo ejecutivo no se dio cuenta de que los datos no eran coherentes y despidió a todos los miembros del equipo: habían obtenido información errónea de los datos y creían que el equipo no estaba funcionando. La decisión se tomó sobre la base de números defectuosos e inconsistentes en el sistema ERP. Terminó siendo un error de 50 millones de dólares. Esta anécdota ilustra claramente por qué la disciplina de gestión de datos maestros es crucial, en particular para las empresas que se someten a integraciones de fusiones y adquisiciones .

Errores comunes al comenzar y cómo evitarlos

Anderson ha encontrado dos problemas típicos en las empresas que comienzan a explorar el análisis de datos. Estos problemas caen en dos extremos del espectro. Primero, las empresas a veces se embarcan en grandes iniciativas para recopilar datos perfectos que finalmente no se utilizan. El segundo problema es cuando las empresas ni siquiera inician ningún análisis debido a la mala calidad de sus datos. El consejo crítico que proporciona Anderson aquí es que incluso cuando los datos no son confiables, la medición de algunos KPI críticos ofrece información útil. Si lo hace, permitirá a la empresa aprender cómo hacer que las entradas sean más confiables.

¿Más datos siempre es mejor?

Si bien medir los KPI correctos es esencial, vale la pena señalar que demasiados datos (o datos irrelevantes) no son necesariamente mejores. La medición desenfocada confunde la toma de decisiones y puede ser una distracción. Es más efectivo comenzar midiendo unos pocos pero cruciales puntos de datos de manera consistente y correcta.

La efectividad del equipo de Anderson se mide en referencia a los cuatro principios anteriores: adquisición de clientes, expansión de huella, retención de clientes y optimización de costos. Para cada uno de ellos, se mide y cuantifica el impacto, proporcionando un ROI para el trabajo del equipo. Si el equipo ha realizado una gran cantidad de análisis pero no ha inspirado el cambio, su trabajo ha sido ineficaz. En última instancia, el éxito del equipo significa tener una influencia medible.

Principios rectores de Anderson para Business Analytics

Las muchas ideas de Anderson se pueden destilar en algunos consejos de análisis empresarial para la implementación exitosa del análisis de datos.

Primero, la misión de tal equipo es cambiar la mente de los ejecutivos a través de medidas cuantitativas e influenciarlos todos los días. Estos serán cambios pequeños e incrementales que tendrán un impacto a través de iteraciones y mejoras continuas.

En segundo lugar, el equipo de análisis de negocios no brinda decisiones sino información que puede guiar a los ejecutivos. Los líderes empresariales siguen siendo siempre responsables de la estrategia de una empresa.

En tercer lugar, el impacto de la función de análisis empresarial debe ser medible y tener un ROI.

Finalmente, comenzar con un conjunto limitado de KPI de análisis empresarial es mejor que no medir datos en absoluto . No solo, sino que el proceso crea una cultura de excelencia de datos en una organización. Las empresas que hacen esto correctamente siempre obtendrán un rendimiento superior, incluso si inicialmente es técnicamente complicado, costoso y requiere un cambio de cultura. Las empresas que persisten y transitan con éxito el proceso tienden a retener el talento, se desempeñan mejor y promueven una cultura corporativa de responsabilidad.