Durante décadas, las grandes empresas han tratado sus funciones de datos y tecnología como una utilidad de soporte, empleados creados para proporcionar resultados en lugar de crear resultados medibles. Ya se trate de informes, manteniendo la infraestructura o la automatización de los procesos comerciales, estos equipos fueron evaluados sobre lo que produjeron, no en lo que esa producción ha obtenido para la empresa.
Esta mentalidad ha obtenido un precio. Al centrarse en el volumen (número de tablero de tablero, liberación de código, boletos para la migración cerrada) en lugar de valor (ahorrar en los costos de adquisición de clientes, elevación de ingresos, reducción de anágonos), organizaciones diluyeron inadvertidamente el impacto estratégico de sus inversiones de datos y tecnología.
Con los volúmenes de datos globales que se espera que alcance 181 Zettabyte para 2025 (IDC) y presupuestos tecnológicos que aumentan en $ 5.06 billones en 2024 (Gartner), las apuestas son más altas que nunca. Es hora de moverse: desde la medición hasta la medición de resultados. En otras palabras, los equipos de datos y tecnología deben transformarse de los centros de costos tradicionales en centros de ganancias de buena fe.
Primero, desinimemos porque un enfoque guiado por la salida es insuficiente:
- Prioridades incorrectas: Un equipo de datos recompensados para la publicación de 100 Dashboard podría continuar haciéndolo, incluso si la mayoría de ellos recolectan polvo
- Incentivo laboral: Los equipos de ingeniería pueden priorizar la funcionalidad que nadie solo ha pedido alcanzar los objetivos de velocidad de lanzamiento
- Desconexión de la estrategia corporativa: Las hojas de ruta tecnológicas son silenciosas, sin ningún vínculo explícito con el crecimiento de los ingresos o la experiencia del cliente
Según McKinsey, solo 30% de las transformaciones de datos y análisis se dan cuenta de sus objetivos comerciales. El resto es víctima de medir a través de los resultados, por ejemplo, cuántos modelos han construido, en cambio, cuántos aumentos han guiado esos modelos.
1. Reforma la misión a partir de la producción de valor
En primer lugar, la narrativa cambia. En lugar de «Let’s Ship Dashboard», un equipo de datos podría redefinir su misión de «reducir los desechos de marketing en un 20%». Un equipo de tecnología podría cambiar de la «entrega de funcionalidad» a la «reducción en los boletos de soporte del 30% a través del autoservicio».
Considere Spotify. Sus equipos de datos se miden para mejorar los tiempos de escucha, una métrica relevante para los negocios vinculados a la conservación de los suscriptores. Cuando rediseñaron sus algoritmos de recomendación, no celebraron las líneas de código enviadas: celebraron un levantamiento del 20% en las horas de audición, directamente vinculadas a la reducción.
2. Actuaciones de edificio orientadas a los resultados
Adopte métricos que vinculen explícitamente datos y esfuerzos tecnológicos con resultados comerciales. Por ejemplo:
- Ingresos generados a través de modelos de personalización
- Ahorros de costos por optimización de la infraestructura
- Aumenta en la puntuación del promotor neto (NP) liderado por la funcionalidad de nuevos productos
- Reducción de la pérdida de fraude a través de los modelos de riesgo de ML
Un ejemplo de esto es Delta Airlines. El equipo de ciencia de datos de Delta ha contribuido a construir un algoritmo que proporcione la probabilidad de un retraso en el vuelo, lo que demuestra a los viajeros proactivos de la manera incluso antes de llegar al aeropuerto. Esta iniciativa ha reducido las solicitudes de compensación y ahorró $ 50 millones por año, según datos de las operaciones de Delta publicadas.
En 2023, una encuesta de Deloitte señaló que las organizaciones con equipos de datos relacionados con los resultados tenían 2.4 veces más probabilidades de superar sus objetivos de rentabilidad.
3. Incorporar datos y tecnología en el proceso de toma de decisiones comerciales
Históricamente, los científicos e ingenieros de datos han trabajado aguas abajo de la estrategia corporativa. Aprenda. Traiga a estos equipos aguas arriba, los precios y las discusiones de productos.
Netflix, por ejemplo, utiliza ingenieros de datos directamente en su proceso de adquisición de contenido. Antes de comprar los derechos de transmisión, proporcionan el tamaño del público y el impacto de los suscriptores que utilizan datos de relojes históricos. Para CasaPor ejemplo, Netflix ha invertido $ 100 millones basados en modelos públicos que han previsto el éxito global. La apuesta reembolsa, alimentando una ola de crecimiento de suscriptores y estableciendo un precedente para el proceso de toma de decisiones comerciales basadas en datos.
4. Muestra una mentalidad de P&L
Hay una razón por la cual funciona como ventas o el producto disfruta de un lugar en la tabla de estrategias: son sus propios resultados de ingresos. Los líderes de datos y tecnología pueden hacer lo mismo al participar en el lenguaje «P&L Impact»:
- ¿Cuál es el estimado ROI de esta tubería de datos?
- ¿Cómo reducirá esta decisión de arquitectura los costos de inactividad?
- ¿Qué valor en dólares agregará este modelo ML al valor de la vida del cliente?
American Express es un ejemplo significativo. Sus modelos de detección de fraude impidieron aproximadamente 3.500 millones de dólares a pérdidas de fraude solo en 2023. Este es un impacto directo de P&L, medible como cualquier impulsor de ingresos de alto nivel.
Otro caso de estudio relevante es UPS. Su algoritmo de optimización de Orion para las rutas de entrega redujo el kilometraje del conductor de 100 millones de millas por año, ahorrando $ 300- $ 400 millones por año en costos de combustible. Esa iniciativa ha transformado un equipo de datos de datos en un poder que genera ganancias.
5. Invierta en alfabetización empresarial para equipos tecnológicos
Finalmente, una verdad difícil: muchos equipos de datos/tecnologías no están entrenados para hablar en «resultados». Se sienten cómodos con la precisión y el rendimiento, pero menos con la narrativa comercial. Los programas de actualización que construyen alfabetización corporativa y accesorios financieros pueden permitir que estos equipos cuantifiquen su impacto en términos de lo que los líderes de la compañía están preocupados.
Tome el caso de Capital One. Establecieron una «universidad tecnológica» interna para ayudar a los ingenieros y científicos de datos a aprender la estrategia corporativa, los pensamientos de P&L y la narrativa de impacto en los clientes, aumentando su influencia en los pasillos de la junta directiva.
Los equipos de datos y tecnología ya no son compañeros. Tienen el potencial de convertirse en los motores de ganancias de la compañía, siempre que dejen de medirse de lo que proporcionan y comienzan a medir lo que permiten.
En un mundo en el que las ventajas competitivas son fugaces, la capacidad de cuantificar lo intangible, la forma en que los datos y la tecnología guían los ingresos, reducen los costos y deleitan a los clientes, es lo que separará a los ganadores del mañana de incluso RANS. Es hora de pasar del recuento de salida a la captura de los resultados y transformar el back office en el motor de crecimiento.
Nota: Las opiniones expresadas en este artículo son las del autor y no del heredero.
