1. “Es solo trabajo de TI”
Muchos líderes de servicios públicos consideran el análisis de datos empresariales como un proyecto técnico: déjenlo en manos de TI, dejen que creen paneles de control y la información aparecerá por arte de magia. Pero esa creencia refleja el Mito n.° 1 identificado por McKinsey & Company en su artículo sobre datos de servicios públicos.
La verdad es que la analítica no existe en el vacío. Para las empresas de servicios públicos, donde se debe compaginar la fiabilidad de la red, la infraestructura, las presiones regulatorias, las expectativas de los clientes y más, se necesita la participación de personal de operaciones, unidades de negocio, regulación y TI. Si los líderes empresariales tratan la analítica como un proyecto de TI, la información resultante no se adoptará.
Al realizar análisis de datos empresariales, no basta con desarrollar la herramienta; también se trata de cambiar mentalidades, comportamientos y procesos empresariales. No deje eso solo en manos del departamento de TI.
2. “Nuestros sistemas están listos, por lo que la información fluirá”
Otro gran error: «Contamos con todos estos sistemas, así que el análisis de datos empresariales se solucionará solo». McKinsey, de nuevo: muchas empresas de servicios públicos dan por sentado que la integración de ERP, WAM, CIS, GIS, etc., significa que «estamos listos». Pero no es así.
El problema es el siguiente: es posible que tengas todos los datos, pero a menos que hayas pensado en qué datos, en qué formato, cómo se juntan, cómo se limpian y si la gente puede acceder a ellos en forma utilizable, el análisis de datos comerciales se estancará.
Por ejemplo, los sistemas heredados pueden hablar diferentes lenguajes de datos. Los silos pueden persistir. Por lo tanto, es fundamental para los ejecutivos de servicios públicos: mapear sus datos al realizar análisis de datos empresariales. Conozca las fuentes, los flujos, la calidad y cómo los vinculará.
3. “Construye un lago de datos y el resto se resolverá solo”
Este es quizás un mito a medias: muchas organizaciones creen que una vez que se cuenta con un enorme repositorio de datos (un "lago de datos"), se obtendrán conocimientos. Pero en el sector de los servicios públicos, eso es arriesgado. De nuevo, según McKinsey: los grandes almacenes de datos no estructurados sin contexto empresarial a menudo se convierten en costosas tumbas de "datos oscuros".
Al analizar datos empresariales, el lago no es el objetivo final. La pregunta debería ser: ¿Qué pregunta de negocio estamos respondiendo? ¿Qué casos de uso de análisis aportan valor ahora? Invertirlo todo sin un propósito a menudo significa pagar el coste (almacenamiento, complejidad) y obtener poco a cambio.
Entonces, cuando planifique el análisis de datos comerciales en un contexto de servicios públicos, comience con el resultado y luego construya el ecosistema.
4. “La calidad de los datos y la estrategia pueden esperar”
Otro error común es la falta de inversión en gobernanza de datos, calidad de datos y una estrategia de análisis. Estudios en diversos sectores muestran que las empresas que se lanzan al análisis de datos sin un plan claro suelen desperdiciar tiempo, recursos y credibilidad.
En las empresas de servicios públicos, los datos suelen generarse a partir de cientos o miles de sensores, dispositivos de campo y medidores inteligentes, todos con diferentes protocolos y calidad variable. El valor del análisis de datos empresariales en este ámbito depende de la fiabilidad de los datos, los procesos estructurados y una buena gobernanza.
Si omite esto, sus análisis arrojarán resultados cuestionables ("basura que entra, basura que sale") y sus líderes perderán la fe.
5. “Los silos no importan; cada departamento puede realizar sus propios análisis”
En el sector de los servicios públicos, las distintas unidades de negocio (generación, distribución, atención al cliente, regulación, operaciones) suelen gestionar sus propios análisis o informes de datos. Sin embargo, al crear silos, las ambiciones de análisis de datos empresariales se fragmentan. Desde la perspectiva del análisis de energía y servicios públicos, los silos de datos representan un obstáculo importante.
Si los departamentos A y B trabajan cada uno en su propio análisis de nicho sin una estrategia de datos compartida, se pierde información interdisciplinaria. Por ejemplo, vincular los patrones de uso de los clientes con los datos del estado de los activos de la red eléctrica puede revelar nuevas prioridades de mantenimiento. Pero si estos se encuentran aislados, nunca se tendrá una visión global.
Por lo tanto, los ejecutivos de servicios públicos deben impulsar la alineación de los esfuerzos de análisis de datos comerciales a nivel de toda la empresa, no solo departamento por departamento.
5½. “El retorno de la inversión en análisis llegará rápidamente si simplemente invertimos”
Aquí está la "mitad": existe la esperanza o creencia de que si se invierte en herramientas de análisis y se contratan científicos de datos, se obtendrán grandes beneficios rápidamente. Pero la realidad es mixta. Un blog señaló que las grandes empresas han invertido poco en las estructuras de soporte en torno al análisis, lo que provoca el fracaso de los proyectos.
En el sector de servicios públicos, en particular, se trabaja con sistemas complejos, activos heredados, restricciones regulatorias e inversiones a largo plazo. Por lo tanto, el análisis de datos empresariales no siempre generará beneficios a corto plazo, a menos que se diseñe para obtener beneficios inmediatos con un horizonte a más largo plazo.
Solución: Elija uno o dos casos de uso de alto impacto (por ejemplo, mantenimiento predictivo o previsión de la demanda) con métricas claras. Luego, aumente gradualmente. Demuestre valor. Expándase. No se arriesgue a "renovaremos todo con analítica en tres meses".
Uniéndolo todo
Cuando los ejecutivos de servicios públicos abordan el análisis de datos comerciales como una casilla de verificación ("implementemos el análisis"), a menudo caen en estas trampas: dejarlo en manos de TI, asumir que los sistemas por sí solos darán resultados, construir lagos de datos antes de las preguntas comerciales, ignorar la gobernanza de datos, tolerar silos y esperar un retorno de la inversión inmediato.
En cambio, un mejor camino se ve así:
• Definir: ¿Qué resultado comercial se busca? (Por ejemplo, reducir el tiempo de interrupción en un 15 %, mejorar la calificación de la experiencia del cliente, optimizar el costo del ciclo de vida de los activos).
• Alinear: involucrar a los equipos de liderazgo empresarial, operaciones, TI y análisis; el análisis de datos empresariales es multifuncional.
• Inventario: mapee qué datos ya tiene, dónde se encuentran, qué tan limpios están y qué tan accesibles son.
• Construir con propósito: Seleccionar los casos de uso relevantes. Conectar los sistemas. Depurar los datos. Garantizar la gobernanza.
• Medir: Realizar un seguimiento de las métricas desde el primer día, tanto las métricas de adopción de análisis (¿quién utiliza información?) como las métricas comerciales (¿qué mejoró?).
• Escala: una vez que el éxito sea evidente, expandirse a más dominios, análisis más avanzados (predictivos/prescriptivos) en lugar de solo descriptivos.
• Repetición: el análisis de datos empresariales no se hace de una vez; los datos evolucionan, el negocio crece y su madurez analítica debe evolucionar.
Lea también: Cómo impulsar su negocio con capacitación en análisis de datos
