Machine Learning para Acelerar Negocios en LATAM

Los líderes de negocios ya perciben claramente como las metodologías y tecnologías asociadas a Big Data y Machine Learning van a acelerar las oportunidades y definir qué empresas sobrevivirán (y cuáles no) en los próximos 50 años. Sin embargo en Latinoamérica pareciera ser que la adopción de estas temáticas es difusa y poco clara en los entornos corporativos. Un fuerte cambio de cultura laboral, un plan serio de formación profesional (o reclutamiento de expertos) y disciplina para ejecutar los planes (aún en momentos de crisis) puede ser la clave para que las empresas en Latinoamérica aceleren sus negocios con Machine Learning.

Hace varios años que me desempeño en el área de Servicios Profesionales de Google Cloud, basado en California. Estar sentado en el centro de alta tecnología del mundo me da visibilidad de cómo las diferentes industrias y las empresas más representativas en cada sector afrontan los desafíos de negocios. Y dado mi origen Latinoamericano mantengo conexión (tanto profesional como personal) con líderes y ejecutivos de América Latina que a menudo llegan con el famoso comentario

“Quisiera que mi empresa avance con Machine Learning como lo hacen en Estados Unidas”.

Cambiar la cultura de trabajo de una organización (y la tecnología que lo soporta) es tal vez uno de los desafíos más grandes que los ejecutivos pueden enfrentar. Muchos líderes han intentado cambiar procesos, cultura y tecnología que vienen en uso por +30 años sin una adecuada preparación. Estos programas de transformación suelen tener una baja probabilidad de éxito. En esta editorial mi intención es aportar claridad sobre los conceptos y aspectos claves que todo ejecutivo debe considerar para acelerar los negocios de su organización.

A modo de resumen, esta es una lista que todo ejecutivo puede utilizar para validar un programa de transformación digital enfocado en Machine Learning. Y la explicación de la misma la desarrollo a continuación:

• Decisión ejecutiva de invertir a largo plazo en Machine Learning como diferenciador para el negocio
• Cultura de trabajo enfocada en datos. Toda decisión debe tomarse fundamentada en datos (data-driven y no hierarchy-driven). Todo proyecto debe considerar aspectos de Data Analytics desde el momento inicial. Evitar decisiones jerárquicas y democratizar la definición en base a datos precisos
• Sumar líderes externos con experiencia relevante y match cultural con la organización
• Ejecutar un plan de entrenamiento interno cross organización (áreas de IT y Negocio) con foco en Cloud, Data Analytics y Business Intelligence
• Definir objetivos ambiciosos y agresivos, pero planificar etapas de proyecto cortas y con métricas claras para medir el éxito de cada etapa.
• Trabajar junto a partners tecnológicos con fuerte expertise en Cloud y ML.

Big data y Machine Learning son áreas de conocimiento ligadas a la tecnología de la información y especialmente al paradigma de computación Cloud. Y el auge de Cloud es en parte la explicación de la expansión y masificación de estas metodologías en el mundo corporativo.

Mientras estas prácticas ya son ejecutadas como pilares corporativos en Estados Unidos, en Latinoamérica todavía siguen siendo un “buzz” de moda o bien algo que los vendors de tecnología y System Integrators mencionan como puente a la famosa “transformación digital” en sus discursos comerciales. La falta de formación de habilidades profesionales, metodologías de trabajo, cultura orientada a objetivos y toma de decisiones basada en datos atentan en contra de la concreción de estos programas., Y por supuesto la falta de de definición de presupuestos y recursos especializados completan el cuadro en el cual los ejecutivos de la región suelen estancarse.

Cómo abordar Machine Learning en una organización

El primer paso, la cultura de trabajo

Embarcarse de lleno en el viaje de Machine Learning puede generar retornos de altísimo valor pero también requiere de fuertes inversiones en lo que suele ser un viaje de varios años. Estas iniciativas requieren un claro compromiso de los CEOs y el board para lograr los objetivos de largo plazo. Se requiere de foco y decisión para convertir a las organizaciones en equipos que toman decisiones en base a los datos del negocio. Mientras que los emprendimientos denominados “nativos digitales” (empresas nacidas desde Internet) han sido creados para el uso de “analytics” (término utilizado como sinónimo de medición continua de métricas del negocio automatizada por tecnología), las compañías “legacy” tienen que hacer el duro trabajo de cambiar sus sistemas. Y más importante aún, deben adaptar a la organización para que la toma de decisiones sea basada en datos. Esto debe convertirse en parte de la “cultura” de la empresa. Los ejecutivos deben aprender a traer datos a cada conversación. Y en cada iniciativa desde el momento cero se debe pensar en los “KPIs” y los sistemas que van a permitir el monitoreo y la democratización de dicha información para romper con los silos de datos desconectados. Data & Analytics debe ser parte de la visión “core” de la organización. Los procesos de negocio, la Infraestructura necesaria y el talento humano deben alinearse.

Sumar lideres preparados, empoderar a todos

Muchas empresas encuentran desafíos para desarrollar talento. Los profesionales en organizaciones enfocadas en la transformación digital deben poder acelerar los procesos para desarrollar soluciones en Cloud. El entorno de tecnología en la Nube resulta el ambiente natural para que Data Analytics y Machine Learning escalen sin inversiones financieras de escala mayúsculas que dejaría a la gran mayoría de organizaciones sin chance de competir.

Para lograr esto, las empresas en Latinoamérica deben invertir contratando y entrenando expertos en Cloud. Y desarrollar capacidades por fuera de la tradicional organización de IT en Business Intelligence y Data Analytics. Áreas del negocio como Marketing, Ventas y Recursos Humanos deben tener en sus organizaciones perfiles que puedan ser el puente entre las plataformas tecnológicas y las necesidades del negocio. Estas personas deben no solo poder entender lo intrínseco de los datos, sino también poder definir una estrategia en la cual se diseñe cuales van a ser los datasets que el negocio va a requerir para tomar decisiones. Estas personas deben tener como vocabulario la tecnología y poder interactuar con los líderes de IT.

Para que el proceso sea realmente una aceleración, se debe entrenar al plantel existente y ofrecerle herramientas de colaboración para que rápidamente puedan comprender y poner en práctica conceptos de Data Analytics y Machine Learning. Una buena práctica es la de configurar laboratorios de innovación digital en donde exista un equipo responsable de “re imaginar” a la organización viviendo en plataformas 100% Cloud. Y muchas veces se requiere incorporar líderes con experiencia en Cloud para que puedan direccionar estos esfuerzos de manera óptima.

Consistencia en el tiempo, clave para el éxito

Cualquier técnico o director deportivo podría definirlo de manera muy sencilla. Los grandes deportistas de la historia no se convierten en ídolos por el segundo en el que definen una gran jugada, sino por los años invertidos en continuo entrenamiento y perfeccionamiento. Traduciendo esto al entorno corporativo, se podría decir que no hay magia para el éxito. Se requiere de mucha disciplina y foco para que los objetivos se traduzcan en progresos en el tiempo. Esto no quiere decir volver a los planes magnánimos de proyectos a 10 años. Tal como en Google se definen los objetivos, la visión tiene que estar orientada a metas 10X más allá de donde estamos hoy. Pero la manera en cómo se trazan y definen los programas es particionando estos mega objetivos en múltiples y pequeños pasos, cada uno de ellos con métricas y mecanismos para medir el éxito de los mismos.

Si todavía siguen leyendo esta nota, se darán cuenta que no es trivial acelerar el proceso de una organización para desarrollar soluciones de negocio con Machine Learning. En adición a todo lo ya descrito resulta estratégico contar con partners tecnológicos y proveedores de servicios de integración de sistemas que actúen como “trusted advisors” para facilitar el proceso a los líderes de la organización. De esta manera los líderes internos apoyados por una organización ágil y entrenada van a poder definir objetivos desafiantes y etapas para alcanzarlos a corto plazo. La cultura de trabajo de la organización va a reinventarse y definirse siempre en argumentación basada en datos. Y con las recomendaciones y buenas prácticas de los partners elegidos se podrá avanzar de manera segura en la transformación del negocio fundamentada en Big Data y Machine Learning.

Siguiendo estas recomendaciones los líderes de Latinoamérica van a poder alinear a sus equipos para inventar un nuevo paradigma en su industria, o repensar cómo ofrecer el mejor servicio posible a su cliente.