Tres CIO revelan cómo empezaron con el análisis predictivo

Si desea saber cómo tener éxito con el análisis predictivo en su negocio, estos tres CIO ofrecen prácticos consejos. En resumen, dicen que se necesita mucho trabajo de datos front-end, y estar preparado para la angustia sobre el cambio cultural.

Espere un shock cultural

Chris Coye, vicepresidente senior y CIO de Disney ABC Television Group

Este año hemos implementado tres herramientas de análisis predictivo: Una analiza los escenarios hipotéticos de ventas de publicidad, la otra es una herramienta de optimización de los medios promocionales, y una tercera que ayudará a que nuestros ejecutivos decidan qué pilotos escoger. Hemos creado un pequeño equipo de análisis de datos en TI, pero los modelos son construidos por el grupo de ciencias de Disney.

El desafío técnico más grande era conseguir el origen adecuado de los datos. Tenemos varias divisiones, y los datos tenían que estar estandarizados. Construimos nuestra propia herramienta de extracción, transformación y carga, pero estamos migrando a una herramienta comercial para acelerar el proceso.

Culturalmente, estas herramientas han causado mucha angustia. El área de investigación no quiere que el departamento de ventas vea sus datos demasiado pronto; ventas no quiere que finanzas vea sus datos antes de tiempo. La información está disponible antes que las personas se sienten cómodas con ella, todo el mundo quiere mantener el control sobre la narrativa que describe sus resultados.

Es un gran cambio impulsado por nuestro CFO Y CTO, con la expectativa de que estas herramientas permitirán tomar mejores decisiones. La determinación de si vender un anuncio o utilizar ese espacio de tiempo para una promoción solía estar basada en el instinto; ahora la herramienta predice lo que va a atraer más ingresos -vender ese anuncio o conseguir que más espectadores vean el siguiente episodio de Revenge.

Comience de a pocos y fomente el entusiasmo

James Clent, CIO de United Orthopedic Group

Nuestro mercado -aparatos ortopédicos- es limitado, por lo que la retención del cliente es la clave. Nuestro primer intento de análisis predictivo fue identificar a nuestros desertores silenciosos: Clientes que no dicen que están descontentos, pero cuyas órdenes gotean o se detienen por completo. Construimos la hipótesis de que podríamos rescatar a esos clientes si pudiéramos identificarlos antes de irse. Hemos construido una herramienta que, con base en los patrones de pedidos, podría predecir cuándo debería ocurrir el próximo pedido de un cliente. Si ese tiempo va y viene, un vendedor podría darles una llamada.

Empezamos con un piloto, lo que redujo la deserción silenciosa en un 50% ciento, y utilizamos lo que hemos aprendido para implementar el sistema a nivel nacional. Durante la prueba piloto, desarrollamos líneas de tendencias del cliente que permitieron al personal de ventas ver el volumen y las desviaciones de los pedidos, además de predecir la siguiente orden, pero era demasiado complejo.

Es importante que sea sencillo, haga que la organización se acostumbre a trabajar con el análisis predictivo, y aumente el entusiasmo con el tiempo. El que se abruma fácilmente se subirá al carro, y los usuarios avanzados pedirán más. Entonces puede tener un seguimiento de los proyectos, como la elaboración de presupuestos de ventas y herramienta de análisis que estamos construyendo. Se convierte en más que una moda, es algo que dura.

No se trata de tecnología

Ed Brandman, CIO de Kohlberg Kravis Roberts

El análisis predictivo es una herramienta más que nos ayuda en nuestro proceso riguroso para la toma de decisiones de inversión de capital privado y la evaluación del desempeño de las empresas de nuestra propiedad. Pasamos mucho tiempo tratando de encontrar la manera de recoger todos los datos que necesitamos. Obtenemos los datos financieros y operativos de cada mes a partir de las 80 empresas de la cartera, cada una de las cuales capturan sus datos de forma diferente. Es una enorme cantidad de información que puede proporcionar una gran cantidad de información predictiva por delante de lo que está disponible públicamente -si puede normalizarla. Después de dos años, tenemos algunos datos bastante sólidos. Tomó una gran cantidad de trabajo de campo, y todavía estamos constantemente modificándolo.

Superponemos eso con datos de tendencias disponibles al público por parte de terceros, como Standard and Poors o BCA Research. Podemos mirar a través de nuestras empresas para entender qué deuda se fija frente a la tasa flotante y, en base a grandes tendencias de las tasas de interés, encontrar los momentos más oportunos para la financiación. Nuestro comité de gestión de la cartera puede determinar si se debe ser más o menos agresivo en cuanto a la expansión de un negocio o la gestión de los costos.

Nosotros mismos hemos desarrollado las herramientas. No estamos mirando series masivas de datos, lo cual nos llevaría por un camino de Hadoop. Demasiadas empresas quedan atrapadas en toda esta nueva tecnología, pero no es acerca de la tecnología. Más información -y los datos más frecuentes- no siempre es mejor. Se trata de obtener los datos correctos en el momento adecuado. A menos que puede convertir esos datos en un hecho concreto, es una pérdida de tiempo y dinero.

Consejo Ejecutivo de CIO, CIO (EE.UU.)