Los datos se están comiendo el mundo, una palabra de moda a la vez.
En 2017, The Economist declaró en " Data is Gise Rise to a New Economy ": "Los datos son para este siglo lo que el petróleo fue para el último: un motor de crecimiento y cambio". IDC estimó que para 2025 crearemos 163 billones de gigabytes de datos , diez veces más que en 2016.
También en 2017, Harvard Business Review Press publicó una edición actualizada y ampliada del décimo aniversario de Competing on Analytics: The New Science of Winning, de Tom Davenport y Jeanne Harris. Se han vendido más de 150,000 copias del libro y se ha traducido a más de 12 idiomas.
Lanzando un movimiento de apreciación de datos, el libro ha servido
como catalizador para el establecimiento de numerosos departamentos de
análisis en grandes empresas y muchos nuevos programas de capacitación
de pregrado y posgrado de "análisis de negocios".
No es frecuente que los creadores de una nueva palabra de negocios y / o
tecnología puedan revisar la evolución de su creación diez años
después.
Típicamente, los vendedores de tecnología, los analistas de la
industria y los consultores promueven lo nuevo y último, todos ansiosos
por diferenciarse de la competencia y establecer un liderazgo (pensado)
en un nuevo segmento de mercado, categoría de producto o tecnología que
cambia el mundo.
La función más importante que las palabras de moda sirven es
proporcionar una nueva lógica y un nuevo incentivo para que los clientes
potenciales compren nuevos productos y servicios. De no hacerlo, los proveedores de tecnología predicen que asegurarán que serán "interrumpidos" por sus competidores.
Las
palabras de moda, sin embargo, han sido solo un barniz superficial de
cambio aparentemente "revolucionario" (¿mencioné "disruptivo"?) Además
de una evolución constante de la tecnología informática desde finales de
la década de 1940, impulsada por el uso cada vez más sofisticado y
variado de la clave. producto de computadoras, es decir, datos
digitales.
Para los vendedores y compradores de productos y servicios basados en
la tecnología, es más fácil promulgar y consumir "lo nuevo",
especialmente cuando está encapsulado en una palabra de moda ingeniosa,
en lugar de entablar una discusión a largo plazo sobre lo que es la
nueva etapa en el la evolución de los datos y sus usos realmente
representa.
La nueva edición de Competing on Analytics
ofrece una visión general útil de las últimas etapas de la evolución de
los datos o lo que los autores llaman los "3 cambios masivos en la
práctica analítica desde 2007." Cuando la primera edición del libro se
publicó hace diez años Hace un momento, destacó a las empresas exitosas
de la era "Analytics 1.0", las que utilizan principalmente análisis
descriptivos para ayudarlos a comprender mejor y extraer lecciones de su
desempeño anterior. Los datos se usaban principalmente para apoyar (o no) las decisiones comerciales.
Pero en 2007, varias compañías nuevas, todas relacionadas con Internet,
ya definían la era "Analytics 2.0", analizando datos creados en línea,
no estructurados en lugar de datos estructurados, datos externos en
lugar de internos, ayudándoles a comprender mejor dónde en el futuro su
negocio será.
"Estas compañías compitieron en análisis quizás más que cualquiera de
las otras sobre las que escribimos en la primera versión de este libro",
escriben Davenport y Harris.
(Al usar el término "análisis", aplicaron inteligentemente lo que antes
se llamaba "inteligencia de negocios" o "minería de datos", un término
popularizado en ese momento -en un contexto diferente- por Google
Analytics).
El negocio de estas nuevas compañías reflejaba una nueva apreciación de
los datos no como un subproducto de la tecnología informática, sino
como el producto en sí, como su negocio, incluyendo esperar que sus
clientes paguen por sus servicios con datos en lugar de dólares. .
Lo que hicieron con el desarrollo de datos, nuevas herramientas y
técnicas para almacenar, procesar y analizar grandes volúmenes de datos,
representó una nueva etapa en la evolución de la aplicación de
computadoras al análisis estadístico, un proceso que comenzó con las primeras computadoras digitales (por ejemplo, simulación).
La nueva apreciación de los datos como negocio condujo a la creación de
una nueva generación de expertos en análisis de datos, "científicos de
datos", con ingeniería de software y habilidades de análisis
estadístico.
Como los datos eran el producto, se convirtieron en los nuevos gerentes
de producto y, como los datos estaban al alcance de la mano, se
destacaron en la experimentación, simulando los riesgos potenciales y
las recompensas de múltiples escenarios de negocios. El papel se convirtió en el "trabajo más sexy del siglo XXI" (como escribieron Davenport y DJ Patil en Harvard Business Review ), impulsando la rápida proliferación de programas de capacitación y centros de investigación de "ciencia de datos".
Alrededor de 2011, el movimiento de reconocimiento de datos llegó a
todas las empresas (y agencias gubernamentales y sin fines de lucro) en
la forma de una nueva palabra de moda, "Big Data". Llamando a esta etapa
"Analytics 3.0", Davenport y Harris la describen como datos y análisis
"Recursos empresariales convencionales" y el uso de datos para la
creación de "nuevos productos y servicios". Este último aspecto de la
nueva y principal apreciación de datos, de datos como negocio, se
conoció como otra nueva palabra de moda, "transformación digital". "
"Big Data" fue rápidamente eclipsado por esta y otras palabras de moda, como "Internet of Things", por ejemplo
, marcando nuevos aspectos, nuevos usos, nuevas aplicaciones, de la
empresa digital de 70 años de generación y acumulación de nuevas
corrientes de datos. y, lo más importante, tratando de "monetizar" (sí,
otra palabra de moda), es decir, sacar provecho de ello.
Ahora ingresamos a la era de "Analytics 4.0", el "aumento de la analítica autónoma", escriben Davenport y Harris. En mi opinión, es el mejor ejemplo hasta ahora en la evolución de la apreciación de datos. Mientras que "lo que ha sido será otra vez", a veces llega con una ligera mejora (nunca "revolucionaria").
La palabra de moda hoy es "Inteligencia Artificial" (o "computación
cognitiva", como lo llama IBM, el inventor del "procesamiento de datos"
en la década de 1950).
Lo nuevo (como lograr que las computadoras sobresalgan en la
identificación de objetos) tiene muy poco que ver con lo que los
pioneros de AI significaron cuando comenzaron a utilizar el término a
mediados de los años cincuenta y todo con la ciencia de datos
(combinando análisis estadísticos y ingeniería informática) y big data
(específicamente con el uso de "crowdsourcing", otra palabra de moda,
para etiquetar millones de fotos en línea que luego se usan para
"entrenar" computadoras en la identificación de objetos).
Una etiqueta más precisa sería "aprendizaje automático avanzado", pero
esto no cumple con el cociente de "sensualidad" requerido de una palabra
de moda exitosa.
No importa qué etiqueta o palabra de moda usemos, siempre que
entendamos lo que realmente está detrás de ella, comprender que ayuda a
reducir la exageración y la ofuscación y mejora las posibilidades de
éxito al implementar lo nuevo en un contexto comercial.
Ese es el papel de los libros de competencia como Competing on Analytics , que guían a los ejecutivos de negocios a través de los desafíos de comprender y adoptar nuevas herramientas y tecnologías.
En general, guían a sus lectores a poner menos énfasis en la nueva
tecnología y más en las personas que la usan y cómo se puede integrar
sin problemas con los procesos de trabajo existentes. Davenport y Harris escriben: "Las compañías estrella de Competing on Analytics
no siempre usaron las herramientas más recientes, pero fueron muy
buenas en la construcción de sus estrategias y modelos de negocio en
torno a sus capacidades de análisis. Hicieron que los datos y análisis fueran un componente integral de sus culturas ".
Lo que no ha cambiado en los últimos 10 años, de acuerdo con Davenport y
Harris, son los desafíos de desarrollar la cultura organizacional
correcta, el papel del liderazgo y concentrarse en problemas comerciales
apremiantes. Todos estos "siguen siendo los más difíciles hoy", escriben.
¿Mi conclusión? Competir en IA no es diferente de Competing on Analytics.
La tecnología evoluciona constantemente y los avances en la tecnología
informática han impulsado una evolución constante en la apreciación de
datos.
La naturaleza humana no evoluciona y las personas siempre deben tenerse
en cuenta al adoptar la última etapa en la evolución de la tecnología.
No hay comentarios.:
Publicar un comentario