madurez digital españa dato y analítica · 2019-12-22 · con inteligencia, dosificando...

1

Dato y Analítica

Ascendant 2019

Informe Minsait Madurez digital España

1

Dato y Analítica

Ascendant

Informe Minsait Madurez digital España

2019

3

En Minsaitsomos la huellaque dejamos y la huella que queremos dejar

5

Fernando Abril - Martorell

El dato ofrece una aportación incalculable a la capacidad competitiva de las empresas españolas: un dato de calidad, bien explotado, es capaz de generar un enorme impacto en los resultados de una empresa, sea impulsando la innovación, reforzando la relación con el cliente, optimizando la operativa interna o maximizando su seguridad. Estamos, por lo tanto, ante un activo de inmenso poder, que manejamos constantemente y que requiere ser tratado de forma inteligente para materializar su valor.Si tenemos en cuenta que el progreso de la economía española pasa por crear empresas competitivas a nivel global, y que el dato tiene y tendrá un papel cada vez más relevante en este objetivo, la criticidad de este activo para las empresas españolas se vuelve indiscutible. Si queremos que nuestra economía crezca a partir de la innovación y la disrupción, es crucial dar el paso definitivo hacia nuevos modelos de organización: el modelo de una Organización Orientada al Dato (Data Driven Organization, o DDO).El dato no es un recién llegado a las empresas. Hace tiempo que varios sectores, como Banca o Telecomunicaciones, extraen inteligencia del dato y la aplican a sus negocios. ¿Por qué ahora las empresas más punteras son, o aspiran a ser, Organizaciones Orientadas al Dato? La respuesta es sencilla: la analítica se consolida como una nueva modalidad de I+D, capaz de mejorar resultados o desplegar nuevas líneas de negocio articulando la propuesta estratégica de valor en torno al dato, siempre con foco en el conocimiento del cliente. Esto es crítico para la competitividad y sostenibilidad en el tiempo de las compañías.Para adaptarse al entorno y competir en base al dato, implantar las herramientas analíticas puede ser relativamente sencillo. El verdadero desafío para evolucionar hacia una plena Organización Orientada al Dato radica en la inclusión del dato y la analítica en la estrategia de negocio, enfocando los esfuerzos hacia donde el dato y la analítica aportan el máximo valor. El dato, por naturaleza, es un activo que ofrece infinitas posibilidades si es tratado correctamente: una Organización Orientada al Dato es consciente de esto, y asegura una materia prima de calidad mediante un gobierno del dato robusto. A este activo le aplica sólidas capacidades de inteligencia para extraer el valor que alberga y generar impacto en negocio, enfocándose al agente que comprende todo el retorno: el cliente.

Es en este contexto donde Minsait se planteó el reto de elaborar un nuevo estudio de su serie Ascendant, tras una primera edición en 2018 dedicada a evaluar el grado de madurez de la transformación digital entre las empresas españolas. De nuevo, se ha llevado a cabo un extraordinario trabajo de investigación, involucrando a decenas de profesionales en un esfuerzo colectivo por obtener una perspectiva de primera mano del grado de implantación de la analítica del dato en el entramado empresarial español. Y como su antecesor, un informe que servirá como punto de consulta y referencia absolutamente actualizada de su ámbito de estudio.El informe que se presenta a continuación analiza exhaustivamente en qué punto de la trasformación hacia una Organización Orientada al Dato se encuentran las organizaciones españolas. Incorporar la ciencia a la toma de decisiones es el propósito común, pero el panorama actual es desigual, con algunas corporaciones considerando ya el dato y la algoritmia como capital clave para su presente y futuro, y otras muchas todavía con un gran trabajo de transformación -tecnológica y cultural- pendiente.Para convertir los datos en conocimiento y el conocimiento en acciones prácticas es necesario invertir no solo en tecnología y herramientas, sino también en nuevos perfiles digitales; aterrizar la aportación de la analítica en proyectos bien definidos; generar sinergias y colaboración entre departamentos; desarrollar KPIs inéditos adaptados a los nuevos proyectos; y finalmente, incorporar los algoritmos y modelos predictivos a la toma de decisiones. En definitiva, sintetizar las cuatro Vs que tradicionalmente dimensionan el Big Data (Volumen, Velocidad, Variedad y Veracidad) en un único concepto: Valor.

Presidente Indra

Fernando Abril-MartorellPresidente Indra

7

Cristina Ruiz

Consejera Directora General Minsait

La contribución de la analítica de datos a la mejora de las cifras del negocio es algo que ya no se cuestiona en el panorama empresarial español. Sin embargo, ese convencimiento teórico por parte de las empresas españolas rara vez va acompañado de acciones prácticas efectivas: el tejido empresarial español avanza titubeante en este ámbito, con incertidumbre en cuánto a qué hacer, cómo, con qué capacidades. Es incuestionable que el dato encierra una extraordinaria aportación de valor que las empresas necesitan extraer, pero todavía dudan sobre los procedimientos a seguir. Es el momento de actuar con decisión y contundencia si no queremos perder el tren de la nueva competitividad. El retorno de la inversión en herramientas tecnológicas y nuevos perfiles especializados no siempre es visible a corto plazo; sin una monetización clara, muchas empresas se resisten a invertir en la mejora de la calidad del dato y adoptan una actitud reactiva a la espera de los movimientos de sus competidores, convencidos de que esta es una actitud menos arriesgada que ejercer como pioneros sin un referente anterior. A esto, se añade un ingrediente que aviva esta reactividad: pocas se plantean todavía esquemas facilitadores de la transformación, como la evolución con un socio tecnológico o la co-inversión. Sin embargo, en un escenario en el que la irrupción de los nuevos actores digitales pone en entredicho los modelos de negocio tradicionales, las empresas deben comprender que la efectiva ejecución de las políticas de gobierno del dato sienta las bases para -haciendo uso de la inteligencia adecuada- lograr nuevas aplicaciones

y usos de la información que permitan adaptar la propuesta de valor a las demandas y preferencias de los consumidores. En una palabra, es el factor que facilita la diferenciación, que las empresas españolas necesitan aprovechar a la máxima velocidad.Las empresas que han apostado con determinación por incorporar la analítica del dato a su propuesta de valor recogen ya los frutos de esa decisión. En el estudio hemos identificado diferentes casos de uso claramente exitosos, por ejemplo: un conocimiento reforzado del cliente para la optimización de acciones comerciales, entre ellas la personalización de ofertas en tiempo real; el desarrollo de algoritmos y cuadros de mando inteligentes como soporte a la toma de decisiones; la optimización de infraestructuras y operaciones para mejorar la eficiencia en tiempo y costes; o la incorporación de modelos predictivos para anticipar y reducir las amenazas de fraude.Una vez más, Minsait se ofrece como el socio tecnológico que acompañe a las organizaciones en ese recorrido hacia una Organización Orientada al Dato. Convencidos del valor del dato, hemos completado un enorme esfuerzo por ayudar a las empresas españolas en su necesario camino de transformación hacia Organizaciones Orientadas al Dato, aportando los mejores equipos humanos, métodos y tecnologías avanzadas para acompañarlas en ese necesario tránsito. Desde nuestra experiencia como socio tecnológico, podemos certificar el impacto visible en los resultados de aquellas organizaciones que han apostado claramente por el dato como epicentro de su estrategia.

Cristina RuizConsejera Directora General Minsait

Muchas empresas necesitan conocerse mejor para diseñar su estrategia en torno al dato; otras tienen clara la estrategia a seguir, pero no tanto la ejecución. Nuestros equipos de Dato y Analítica ayudan, mediante este informe, a las empresas españolas a conocer en qué punto de esta evolución se encuentran; además, cuentan con el conocimiento y los expertos en tecnologías avanzadas capaces de materializar el

potencial de los datos en acciones prácticas, ofreciendo un asesoramiento personalizado para hacer frente a los retos competitivos que plantea un escenario en constante transformación. De este modo, las empresas españolas tomarán el tren de la nueva competitividad a máxima velocidad.

9

Juan Francisco Gago

Director de Tecnologías Avanzadas Minsait

El estudio que presentamos a continuación ha visto la luz gracias al impulso de los equipos de Big Data y Analytics de Minsait, liderados por José Luis Flórez Fernández e Ignacio Álvaro Fariñas. La experiencia de estos profesionales ha sido clave para analizar con rigor y precisión el grado de madurez de la analítica del dato en las empresas españolas. Para obtener una visión lo más completa posible del grado de implantación de las políticas de gobierno del dato entre las organizaciones españolas, la investigación se ha abordado desde una doble perspectiva: por un lado, a través de entrevistas personales con representantes de más de 100 empresas de diferentes sectores de actividad y organismos públicos; y por otro, mediante conversaciones con profesionales de reconocida experiencia en el ámbito del gobierno del dato.Las cuestiones neurálgicas planteadas por los equipos de Big Data y Analytics tienen que ver con los recursos necesarios para encaminarse hacia una plena Organización Orientada al Dato, la gestión del ciclo de vida del dato y las tecnologías precisas. También se ha tratado de homogeneizar y consensuar qué se entiende por conceptos como Gobierno del Dato, Gobierno de Algoritmos o Ecosistemas del Dato, dado que cada organización tiene su propia concepción del significado de estos términos y de su posible aportación al negocio, y en función de esta adecúan recursos y planes estratégicos.

Un factor esencial en el camino hacia las Organizaciones Orientadas al Dato es el equipo humano, que debe incluir perfiles técnicos altamente especializados; en caso de no contar con ellos, es esencial la ayuda de un socio que aporte competencia consultora y tecnológica. Estos profesionales deben contar además con la capacidad de diseñar e impulsar internamente palancas de transformación basadas en el dato, estimulando la colaboración entre departamentos con el objetivo de conectar las áreas de Tecnología y Negocio, alineados en el fin común de mejorar los resultados empresariales.Las empresas se reinventarán a medida que el negocio se digitalice, dejen de trabajar exclusivamente con activos físicos para manejar información y datos, y su propuesta de valor esté condicionada por lo aprendido de los datos. La presión del mercado supone un fuerte aliciente para la innovación, salvo para el Sector Público, en cuyo caso el estímulo se encuentra en la transparencia y mejora de la eficiencia de la gestión pública, que puede lograrse mediante la gestión inteligente de sus grandes bases de datos de ciudadanos.

Juan Francisco GagoDirector de Tecnologías Avanzadas Minsait

11

Índice

Versión digital

Ascendant 2019Informe Madurez digital España Dato y Analítica______

www.madurezdigital.minsait.com

1. Resumen ejecutivo

3. La opinión de los expertos

4. Ética e inteligencia artificial

2. Objetivos y enfoque del estudio

5. Estudio de Madurez del Dato y la Analítica

5.1. Resultados Globales

5.2. Resultados Sectoriales

6. Metodología del informe

13

1

Resumen ejecutivo

13 Ascendant 2019

15 15

Hemos analizado exhaustivamente 108 compañías españolas. Nos han revelado que hay cierto desconocimiento y falta de orientación, lo que impide contar con modelos de negocio diferenciales basados en la analítica y el dato. La mayoría se esfuerzan en los ámbitos más internos, como la protección del dato o la optimización de operaciones, pero tienden a desaprovechar el potencial del conocimiento del cliente.

Los sectores de Telco y Banca son una fuente de inspiración con propuestas de valor disruptivas, incluso fuera de su sector natural. Construir un nuevo capital intangible en torno al dato permite perpetuar la competitividad de una empresa ante los nuevos players nativos digitales.

Los pasos a seguir pasan por tener una estrategia clara, desplegarla con inteligencia, dosificando esfuerzos, y buscar orientación con los partners adecuados. Hasta aquí, basta con actuar con sentido común y determinación, pero falta añadir un elemento crítico: no perder de vista los ejemplos de otros sectores y del entorno tremendamente dinámico, porque la utilización inteligente del dato tiene un trasfondo universal y multisector.

Ingresos incrementales por desarrollo de nuevos productos/servicios, incremento del margen unitario a través de modelos de pricing dinámico, reducción del churn, reducción en el tiempo de inactividad en los procesos de producción...

son algunos ejemplos que sustentan el éxito de las Organizaciones Orientadas al Dato, que han configurado su modelo empresarial en torno al potencial que tiene la explotación y enriquecimiento de los datos. En este contexto las empresas españolas necesitan comprometerse con la evolución hacia modelos

de negocio basados en el dato para estar al frente de la transformación digital.

El reto: evolucionar hacia una Organización Orientada al Dato

Muchas compañías hoy en día están esforzándose por ser Organizaciones Orientadas al Dato. Más que contar con las tecnologías digitales correctas, la esencia de este tipo de organizaciones consiste en hacer del dato y la analítica parte de su estrategia de negocio, de sus sistemas, de sus procesos y de su cultura.

Pensemos en las Organizaciones Orientadas al Dato por excelencia, entre ellas las FAANG (Facebook, Amazon, Apple, Netflix y Google). En sus modelos de negocio el dato es el nuevo capital empresarial, frente a los capitales más tangibles de los modelos tradicionales; sus crecimientos son exponenciales, frente a los crecimientos lineales de las empresas tradicionales; su enfoque del dato más allá de la excelencia operacional supera los silos de la organización y los límites de sus paredes para construir colaboraciones de valor. ¿Cuánto se acercan las empresas españolas a este modelo?

Para dar respuesta a esta y otras preguntas, Minsait ha lanzado su segunda edición de Informes de Madurez Digital Minsait. Con este estudio, hemos obtenido una fotografía del estado actual y evolución esperada por las grandes corporaciones españolas en el reto de convertirse en Organizaciones Orientadas al Dato, a partir de entrevistas individuales a altos directivos de 108 corporaciones españolas.

Además, hemos enriquecido esta visión preguntando a las empresas qué casos de uso del dato y la analítica les han funcionado, cuáles no, cuáles les gustaría probar y en cuáles están trabajando. Esto completa la visión sobre el grado de evolución del tejido empresarial español en torno al dato.

Finalmente, hemos recurrido a los expertos en dato y analytics más destacados del panorama español para compartir su valiosa orientación en esta nueva transformación. Sus visiones en cuanto a innovación en torno a la inteligencia artificial, el gobierno del dato y las tecnologías Big Data justifican el crecimiento en torno al dato y el impulso de un ciclo continuo de conocimiento analítico y valioso en las organizaciones.

Este estudio ha revelado que las empresas españolas están lejos del modelo de Organización Orientada al Dato. Solo alrededor de la mitad conceden al dato la importancia que merece en sus estrategias, lo que merma su evolución. A esto le sumamos que pocas empresas están prestando atención a sus capacidades para gestionar el ciclo de vida del dato. Esto es la pieza clave para transformar una materia prima, que ha de ser de calidad, en impacto en el negocio. Como resultado, el valor extraído del dato para el negocio es moderado.

Solo dos sectores, Telco y Banca, destacan en su grado de avance. Aunque sus modelos de negocio aún distan del de una Organización Orientada al Dato pura, las empresas de estos sectores han acometido grandes inversiones en nuevas tecnologías y buscan plantear nuevas respuestas a sus retos de negocio, incluso con propuestas de valor disruptivas fuera su ámbito tradicional de actuación. Sin embargo, les queda camino que recorrer, y por ejemplo, es sorprendente que no se encuentren en la excelencia en cuanto a la protección contra riesgos digitales, palanca clave de una estrategia del dato client centric.

Las empresas del resto de sectores, están más lejos. Es frecuente observar que los esfuerzos se centran en dos tipos de áreas: las áreas más críticas, como la seguridad y cumplimiento en el tratamiento de datos; o las más arraigadas, como las operaciones de su actividad natural. Sin embargo, tienden a limitarse a los mínimos exigidos por ley o por operatividad y desaprovechan el potencial de la analítica de datos en la palanca de competitividad clave: la relación con el cliente.

El dato está ahí. ¿A qué esperas para

utilizarlo?

Ascendant 2019


Son muchos los factores que impactan en la competitividad empresarial. Sin duda, uno de ellos era contar con información útil para la toma de

decisiones. No obstante, ese modelo está superado. Hoy es necesario generar conocimiento valioso que anticipe la toma de decisiones con un impacto

directo en la cuenta de resultados.

La orientación al dato es muy incipiente en España…

… pero algunas compañías ya han logrado extraer valor

Actuar con decisión es clave

17 17


Ascendant 2019

Una visión 360º de la madurez del dato y la analítica

Hemos analizado el grado de madurez y preparación para transformarse en Organizaciones Orientadas al Dato de las empresas españolas a partir de cuatro habilitadores esenciales:

Estrategia

La orientación data centric necesita arraigarse con más solidez, introduciendo la analítica del dato en la estrategia de la compañía: solo un 56% de las compañías cuenta con una visión clara de las oportunidades en torno al dato, lo que conduce a que solo el 46% disponga de programas definidos para evolucionar hacia una Organización Orientada al Dato. Esta visión transformadora, además, demanda ambición: solo un 19% tiene un enfoque basado en aplicar la analítica más allá de la excelencia operativa.

Organización

Mientras la dirección apoya la maduración de la aplicación del dato y la analítica en el 65% de las compañías, se tiende a olvidar dos piezas clave: el gobierno del dato, para asegurar la calidad de la base explotable; y el gobierno de la analítica, para asegurar el cumplimiento de su función. Solo un 23% de las empresas españolas reconocen tener un gobierno del dato sólido que asegure una calidad aceptable del mismo, y solo el 17% ha implantado políticas de control, mantenimiento y mejora continua de los algoritmos y de su impacto en el negocio.

Cultura y Talento

El factor humano es uno de los mayores retos a superar, especialmente la escasez de capacidades especializadas: solo un 17% de empresas reconoce contar con suficientes perfiles especialistas del dato y la analítica. Asimismo, solo un 28% reconoce una cultura de calidad del dato en su empresa y las nuevas formas de trabajo en torno al dato (nuevas metodologías, democratización, divulgación) solo están implantadas en un cuarto de las compañías.

Tecnología

La transición hacia Organizaciones Orientadas al Dato tiene un fuerte impacto en el framework tecnológico actual de cualquier compañía, ya que se requieren nuevas tecnologías y repositorios que permitan la ingesta, almacenamiento, procesamiento y explotación de la información de una forma ágil y potenciando la analítica. Sin embargo, esta base tan necesaria está poco desarrollada: solo un 30% de las organizaciones ha implantado tecnologías Big Data, y un 11% trabaja con herramientas para optimizar el gobierno del dato (diccionarios, modelado, linaje, calidad, etc.).

Adicionalmente a este análisis por habilitador, hemos analizado de manera específica el nivel de aplicación actual de la inteligencia en el ciclo de vida del dato de las empresas españolas.

La inteligencia es la pieza clave que permite la extracción de valor del dato, la que se materializa en impacto en el negocio.

Inteligencia

La inteligencia, entendida como el conjunto de metodologías para la captura, explotación y toma de decisiones a partir de los datos, actúa como catalizador entre las capacidades de orientación al dato y la generación de impacto en el negocio. Sin embargo, es un elemento que las empresas tienden a descuidar: solo un 12% enriquece su visión interna con datos de fuentes externas, o solo un 19% tienen capacidades de aprendizaje continuo. Si bien, el 40% son capaces de captar datos no estructurados de alta complejidad (voz, vídeo), en muchas ocasiones se almacenan y quedan ociosos, dado que solo un 16% de empresas explotan estos datos desestructurados.

Además, hemos valorado cómo se despliegan los avances en analítica y cómo se trasladan a la cadena de valor en cuatro dimensiones:

Innovación

Todo el esfuerzo llevado a cabo por las organizaciones (cambio de mentalidad, adecuación tecnológica, etc.) debe cristalizar en una renovación de la propuesta de valor percibida por el cliente, con los datos y la algoritmia como base para el descubrimiento de nuevas oportunidades, dentro o fuera del sector natural de actividad. Una de cada tres empresas ya declara encontrarse en esta situación, y a medio plazo esperan hacerlo tres de cada cuatro. Para ayudar en este objetivo, el 10% de las empresas cuenta con un observatorio de tendencias en torno al dato, y el 8% con un observatorio automatizado de mercado para detectar oportunidades de innovación.

Clientes

Conocer al cliente de la manera más completa posible debería ser una de las grandes prioridades de las empresas españolas, puesto que es aquí donde radica el valor del dato. Sin embargo, solo el 26% incorpora datos externos para mejorar el conocimiento agregado de sus clientes. Además en una era en la que la venta de experiencias sustituye a pasos agigantados a la venta de productos, solo el 19% monitoriza continuamente la experiencia del cliente para el rediseño de la misma.

Operaciones

A pesar de los retornos directos en cuenta de resultados, las formas de aplicación del dato y la analítica en la optimización de operaciones es básica. Mientras los esfuerzos se enfocan en la eficiencia operativa, especialmente en la cadena de suministro, con un 27% de las empresas

aprovechando las oportunidades de la analítica, la penetración en los procesos de soporte es mínima: solo un 6% aplican optimización inteligente a su función TI y un 11% la aplican a su función financiera.

Seguridad

La concienciación sobre la seguridad es relativamente alta en las empresas españolas, de modo que en casi el 80% se cumplen estrictas políticas y mecanismos que garantizan el acceso seguro a los datos de usuarios. Sin embargo, se utiliza poco la analítica para anticiparse a posibles ataques o prever comportamientos anómalos: las técnicas analíticas para la prevención de fraudes solo se utilizan en el 40% de las empresas y en el 17% de ellas para la identificación de riesgos futuros. Son datos poco halagüeños cuando se habla de seguridad de un activo clave, el dato.

El mensaje es claro: las empresas españolas deben actuar ya, y este estudio revela cuáles son los puntos donde ha de ponerse el foco a partir de una visión integral de la realidad particular del dato y la analítica

19 19


Ascendant 2019

Aprendiendo a extraer valor del dato

Los resultados anteriores demuestran claramente que a las corporaciones españolas todavía les queda mucho por avanzar en todas las dimensiones de una Organización Orientada al Dato.

Sin embargo, no todo en el estudio son conclusiones negativas. Las compañías que están invirtiendo con convicción en esta dimensión, están viéndose recompensadas por sus iniciativas:

• Logran extraer valor de los datos y rentabilizar las inversiones realizadas: a corto plazo mediante la optimización directa comercial u operativa, o a largo plazo, mediante el conocimiento del cliente. Esto perpetúa su viabilidad ante nuevos players con modelos de negocio basados en el dato

• Construyen un capital basado en activos intangibles, los datos. Esto genera ventaja competitiva a largo plazo con un enfoque client centric que fomenta una propuesta de valor basada en experiencias. Además, la operativa aligerada, la apificación y los sistemas abiertos posibilitan la ejecución de este nuevo modelo

• Aumentan la velocidad en la toma de decisiones, siendo los primeros en reaccionar a un en torno cambiante y ajustándose mejor a las necesidades de los clientes

• Generan sinergias en torno al dato, que se consiguen mediante el acceso universal a los mismos y la capacitación de la propia compañía. Esto reduce el tiempo necesario para el desarrollo de nuevos proyectos, dota de visión global a muchas iniciativas antes departamentales y genera entornos colaborativos que fomentan la innovación

Nuestras recomendaciones

En el entorno actual, las ventajas competitivas tradicionales pierden su fuerza ante el nuevo activo clave: el conocimiento. Por lo tanto, la evolución hacia una Organización Orientada al Dato es una transformación inaplazable para cualquier empresa que quiera mantener su competitividad. Para abordar este camino con éxito, desde Minsait recomendamos:

Casos de uso

Con una intención más pragmática, hemos preguntado también a las corporaciones españolas sobre sus casos de uso. Algunas de las conclusiones más relevantes son las siguientes:

• Un 7% de las empresas españolas reconoce no tener en mente casos de uso a probar, argumentando necesitar orientación mientras evalúan sus prioridades

• Un 10% de las empresas españolas declara no tener todavía casos de uso en desarrollo, lo que denota la necesidad de imprimir velocidad a su orientación al dato. Sectores como Consumo, Seguros o Farma son los más necesitados de orientación a la hora de experimentar con el dato

• Entre las empresas que se encuentran invirtiendo en casos de uso del dato, los casos relacionados con el conocimiento del cliente, con énfasis creciente en predicción y microsegmentación; y con la optimización de operaciones, con aspiración al tiempo real son los más populares. En menor medida, varias empresas han destacado modelos de detección de fraude y, de forma muy incipiente, el desarrollo de aplicaciones para sus clientes,

así como pequeños ecosistemas que permiten enriquecer sus datos con fuentes externas.

• Se está trabajando, además, en la implementación de habilitadores como la estructura organizativa data driven y el gobierno del dato. Esto denota que las organizaciones han comenzado a anticiparse a sus objetivos de negocio antes de preparar unos cimientos de calidad

• Finalmente, hay voluntad de explorar las posibilidades de los ecosistemas del dato, incluso planteando grandes redes colaborativas multiempresa y multiindustria

• Un sorprendente 30% de las empresas declara no tener todavía casos de uso fracasados. Es necesario impulsar la experimentación con el dato y la analítica con celeridad, fomentando la tolerancia al error en dominios no convencionales

• Es destacable también la cantidad de intentos fallidos de democratización del dato. Muchas empresas señalan la falta previa de gobierno del dato y una gestión del cambio insuficiente como principales motivos de estos fracasos

Identificar aquellas áreas de actuación en torno al dato con máximo impacto y priorizar las que requieran esfuerzo moderado, definiendo una hoja de ruta realista

Es necesario dosificar esfuerzos

de forma inteligente

Es necesario partir de una visión clara de cómo el dato impacta en el negocio, de qué oportunidades se quieren atrapar

Todo empieza con una estrategia clara

El éxito depende directamente del grado de decisión con que se actúe, siendo determinante en cuanto a plazos, recursos invertidos e involucración de la organización

La clave es la contundencia, el apostar fuerte

Buscar los partners adecuados que enriquezcan la visión interna de compañía, y que además puedan complementar con capacidades más especializadas

Debemos dejarnos acompañar por terceros que compartan la visión

Mantener una actitud activa de aprendizaje sobre otros sectores o geografías forma parte incluso de la estrategia del dato y es una valiosa fuente de casos de éxito

Otros sectores son una fuente de inspiración

01

02

03

04

05

21

2

Objetivos y enfoque del estudio

21 Ascendant 2019

23

Objetivos del estudio

Hay un elemento común en la respuesta a todas estas preguntas: el conocimiento del dato y su analítica. En una era en la que la omnicanalidad difumina las fronteras entre las interacciones físicas y digitales en multitud de sectores, y en la que el consumidor cambia constantemente sus hábitos y modos de consumo, el conocimiento del dato permite entender qué relación se establece con los consumidores y generar nuevas oportunidades de negocio.

La transformación digital conduce a que cada vez más empresas y organizaciones operen exclusivamente con información y datos, prescindiendo de elementos físicos. Comprender de dónde proceden esos datos,

cómo y por qué suceden, permitirá no solo entender el comportamiento del consumidor, sino predecir lo que puede acontecer en el futuro. Se abre así el camino hacia plenas Organizaciones Orientadas al Dato.

Con el presente estudio queremos evaluar el nivel de madurez actual en la gestión del dato de empresas y organizaciones españolas, así como identificar áreas de mejora y oportunidades, con el objetivo de orientarlas y ayudar en su camino de conversión hacia Organizaciones Orientadas al Dato.

¿Qué es más importante a la hora de tomar una decisión de negocio: aplicar lo aprendido mediante la experiencia y la intuición, o explotar

la información obtenida a partir de la escucha y la observación? ¿Cuál es la mejor manera de conocer las preferencias del consumidor?

¿Cómo optimizar su journey y maximizar su satisfacción?


23

Los tres ejes de la transformación según MinsaitMinsait contempla tres ejes o agendas de transformación en las organizaciones, dependiendo de la naturaleza del cambio y del horizonte temporal proyectado.

A. Personas

Las personas siempre están delante de todo proceso de transformación. Para orientar una organización al dato y su analítica hay que pensar en crear cierta estructura específica que estará basada en nuevos perfiles, cultura y metodologías que permitirán la evolución de la compañía hacia nuevas formas de pensar y hacer, especialmente en torno al dato y con climas más colaborativos.

B. Datos

Para que los datos sean un activo para una compañía, deben estar bien definidos en todo su ciclo de vida, estar disponibles para su uso y ser confiables. Esto se traduce en conocer qué datos existen, dónde están, qué significan y qué pueden aportar a cada área de negocio, todo ello bajo un paraguas de gobierno que garantice la confianza y certeza de dichos datos.

C. Algoritmia

Es en el proceso de la analítica donde se maximiza el valor que se puede obtener del dato, ya sea mediante la obtención de conocimiento de los procesos de la compañía o en la activación del dato para mejorar y eficientar respuestas a nuestros clientes. La evolución tecnológica ha permitido generalizar el uso de técnicas que hasta hace poco eran de difícil implementación.

Ascendant 2019

Habilitadores Digitales - Facilitadores de la transformación

Inteligencia - Gestión del ciclo de vida del dato

Dimensiones de aplicación - Impacto en el negocio

Datos

Algoritmia

Analiza

Estrategia

Actúa

Cultura

Organización

Escucha

Tecnología

Gobierno del ciclo de vida

Aplicaciónal Negocio

Personas

25 25

Con más de 108 directivos de alto nivel nos ofrecen una visión panorámica, para determinar el nivel de madurez en la gestión del dato e identificar áreas de oportunidad. Por su parte, las conversaciones con profesionales procedentes de diferentes sectores aportan una visión pormenorizada y cercana del pulso actual del tejido empresarial: prioridades, necesidades y desafíos a afrontar.

Las entrevistaspersonales

Análisis Coloquios

Del nivel de orientación al dato y la analítica en trece sectores de actividad, así como de los objetivos fijados en el camino de transición hacia Organizaciones Orientadas al Dato. Se añade el análisis de casos de uso de las empresas españolas, para saber qué es lo que más importa a nuestras corporaciones.

Con los expertos en Big Data y analítica más destacados del panorama español. Los coloquios versan alrededor de tres temáticas: Gobierno del Dato, Inteligencia Artificial y Big Data y Tecnología.

Enfoque del estudio

Este estudio se plantea con el objetivo de establecer el grado de madurez actual y esperado en analítica y gobierno del dato entre

las organizaciones españolas.

Para ello se ha contado con dos puntos de vista complementarios:


Desayunos coloquioAnálisis Madurez del dato en grandes corporaciones españolas

Análisis micro: Organizaciones Orientadas al DatoAnálisis microeconómico (grandes corporaciones españolas) del nivel actual y objetivo percibido de la propia Madurez Digital en el ámbito del dato: ser o aspirar a ser una Organización Orientada al Dato.

Entrevistas personales con empresas.

Coloquios expertosDesayunos coloquio, con los expertos más destacados de España.

Una nueva manera de hacer pertícipes a los expertos de esta reflexión.

27

3. Áreas de Aplicación

Innovación

Descubrimiento de nuevas oportunidades y nuevos modelos de negocio en base al dato.

Cliente

Explotación del dato para la mejora del conocimiento del mercado y el cliente y para el refuerzo de la relación con cliente.

Operaciones

Optimización inteligente de operaciones, incluyendo predicción de necesidades y retención de empleados.

Protección

Prevención del fraude en base al dato, anticipación de riesgos y modelos de datos atendiendo al entorno regulatorio.

1. Habilitadores DigitalesNivel de preparación de la organización para la Transformación Digital hacia una Organización Orientada al Dato.

Estrategia

Agresividad y enfoque de la estrategia del dato, claridad de las líneas directrices de la evolución hacia una Organizaciones Orientadas al Dato.

Organización

Claridad en la asignación de roles y recursos destinados a la analítica.

Cultura y Talento

Cultura del dato en la organización, metodología, capacidades, democratización del dato.

Tecnología

Estrategia de arquitecturas que soportan el dato, incluyendo su captura y explotación, y herramientas de gobierno.

2. InteligenciaMetodologías y capacidades de captura, explotación y aprendizaje, incluyendo la ética en el proceso.

Escucha

Análisis de los procesos de captura de información y tipología de la misma.

Analiza

Como se trata la información y mecanismos de reaprendizaje en la organización.

Actúa

Mecanismo disponibles para la toma de decisiones operativas en las organizaciones.


Ascendant 2019 27

El nivel de madurez alcanzado en la gestión del dato se mide desde dos ámbitos, que evalúan tanto la capacidad de transformación como el grado de avance, en términos reales y ambicionados:

Como nexo de unión entre ambos ámbitos, incorporamos el análisis de Inteligencia, entendida como el conjunto de metodologías para la captura, explotación y aprendizaje del dato.

Para cada indicador, desde Minsait establecemos cuál es el nivel de sofisticación máximo al que se puede aspirar actualmente, y en función de este, definimos la escala de madurez del dato en cuatro niveles: 4 (state-of-the-art) a 1 (bajo). Dicha escala se aplica para medir tanto el nivel de madurez actual de cada indicador como su aspiración en los próximos 3-5 años. Es importante resaltar que la posición ocupada en dicha escala es solo una referencia en un momento temporal determinado, y que en el futuro la posición actual será avanzada u obsoleta en función de que la empresa siga o no con el ritmo de la evolución tecnológica de cada dimensión. Del análisis personalizado y detallado de todos esos factores críticos, complementado con el juicio experto de Minsait, obtenemos una instantánea que diagnostica el nivel de madurez de cada compañía en el horizonte temporal presente, así como su aspiración futura de transformación. Es por eso que con este estudio, cuyos resultados presentamos de forma agregada, no pretendemos realizar comparaciones ni prácticas de benchmark, sino ofrecer un recurso que permita un ejercicio de reflexión individual, que sirva a cada compañía para ubicarse en la escala presente y futura de madurez del dato, y le permita adquirir conciencia de estar o no siguiendo los pasos que demanda cada meta particular.

29

3

La opiniónde los expertos

29 Ascendant 2019

31


Ascendant 2019

La opinión de los expertos más destacados en España

Coloquio 1

La importancia del gobierno del dato como fuente de valor

Las políticas de gobierno del dato poseen un carácter estratégico vital como fuente de valor para la organización. ¿Qué potencial ofrece la analítica de datos para las organizaciones? ¿Cómo deben implicarse sus diferentes partes para extraer el máximo partido de los datos? ¿De qué maneras pueden beneficiar las políticas de gobierno del dato al desarrollo del negocio?

Coloquio 2

La Inteligencia Artificial como centro de la innovación

La analítica de datos ofrece un enorme potencial para la generación de nuevas propuestas de negocio. ¿Cómo se traslada todo el proceso de analítica a la creación de valor para el cliente? ¿Qué posibilidades se abren desde la IA para generar nuevas oportunidades de negocio? ¿Cómo deben reestructurarse las organizaciones -empezando por la cúpula-, para explotar al máximo la aportación de valor de la analítica?

Coloquio 3

El reto en la adopción de tecnologías Big Data en las organizaciones

La recopilación y análisis de grandes cantidades de información es uno de los mayores desafíos a los que se enfrentan las organizaciones. ¿Qué entienden los expertos por Big Data? ¿Cuáles son las principales soluciones tecnológicas para abordar su tratamiento? ¿Qué barreras y aceleradores encuentran las organizaciones a la hora de explotar el Big Data? ¿Cuáles son las tendencias actuales más destacadas?

El dato y la analítica levantan cuestiones de reflexión en una nueva revolución sin precedentes: cómo gobernar el dato, el nuevo paradigma de innovación basado en Inteligencia Artificial y cuáles son las mejores tecnologías Big Data para cada organización son cuestiones nuevas y complejas, que causan más de un quebradero de cabeza a las organizaciones españolas.

Por esto, hemos invitado a los expertos en Big Data y Analytics más destacados del panorama español a reflexionar conjuntamente acerca de los nuevos retos y tendencias en tres desayunos coloquio. Adicionalmente, con el objetivo de orientar a las empresas españolas en este nuevo contexto dinámico y volátil, nuestros expertos Minsait comparten su visión del futuro sobre cada una de estas cuestiones. _____Desde Minsait queremos agradecer a los participantes de nuestros coloquios expertos el tiempo dedicado a colaborar con nuestro estudio

31

33


Ascendant 2019

Coloquio 1

La importancia del gobierno del dato como fuente de valor

La implementación de un modelo sólido de gobierno del dato, si bien es percibido como una compleja obligación por las empresas españolas, es una poderosa fuente de valor añadido y diferenciación de la competencia. ¿Cuáles son los retos a los que

se enfrentan en estos momentos las empresas españolas? ¿Cuáles son las palancas accionables para que nuestras organizaciones construyan un data governance

robusto y extraigan todo el valor del dato?

Llevamos muchos años utilizando soluciones de gestión de datos e inteligencia, que en sectores de actividad como Banca o Telco son ya un clásico.

Desde el boom del Big Data hemos hablado de los datos como un activo de primer nivel para las empresas. Sin embargo, hemos avanzado poco en tratar los datos realmente como un activo. Figuras como la del CDO son ya habituales en grandes compañías, pero según los datos, solo un 15% de las empresas españolas cuenta con ella y la concreción de este rol todavía es ambigua. Esto denota un largo camino por delante.

Proceso de cambio complejo

La implantación de políticas y herramientas para el gobierno de datos es un proceso largo y duro que supone en muchos casos enfrentarse a problemáticas de gran calado que exigen un sponsor de primer nivel para llevarlas a cabo, porque impactan en cualquier área de la compañía. Deben romperse muchos de los silos de información y barreras organizativas que se han ido creando con el tiempo, y consolidarse cambiando las “formas de hacer” de las personas dentro de una compañía.

Tecnologías incipientes

Del mismo modo, las herramientas tecnológicas para dar soporte al

gobierno son relativamente inmaduras comparadas con el estado del arte de plataformas y tecnologías Big Data. A modo de ejemplo, hoy disponemos ya de varias soluciones de mercado y open source para gestionar la calidad de los datos. Sin embargo, hay muy pocas herramientas que permiten gobernar algoritmos, cuando estamos hablando a diario de inteligencia artificial y machine learning.

Presión normativa

Por otro lado, las normativas de seguridad y protección de datos, así como otras normativas sectoriales que garantizan la transparencia, han obligado a muchas compañías a armarse de mecanismos para cumplir con regulaciones como GDPR, pero siguen percibiéndose más como una obligación que como una oportunidad.

Para hacer frente a estos condicionantes, el Gobierno de los datos debe permitir un crecimiento sostenible de la aplicación de la inteligencia. Para ello, el enfoque de gobierno debe cuidar los siguientes aspectos:

Data governance como inversión

Activar en paralelo, y alinear las iniciativas de Data Governance con el desarrollo de capacidades analíticas avanzadas y con el despliegue de nuevas plataformas tecnológicas. De este modo, las iniciativas de gobierno dejan de ser un coste y se convierten en el garante de los resultados futuros y de la sostenibilidad del esfuerzo realizado en gestionar y crear. Se trata de garantizar un ciclo continuo de “conocimiento analítico validado” en la empresa.

Nuevas formas de trabajo

Abrazar nuevas formas de trabajo colaborativas y ágiles, adaptadas la gestión de datos e inteligencia. Nuevos enfoques como DataOps no solo tratan la integración continua de los datos y

algoritmos, sino que alinean a un equipo multidisciplinar y heterogéneo sobre un mismo objetivo y aceleran la adopción de inteligencia y la percepción del dato como un activo, facilitando la ruptura de barreras humanas y organizativas.

Calidad “por diseño”

Apoyarse en nuevas plataformas tecnológicas que se conciben a partir de nuevos paradigmas que garantizan “por diseño” la simplicidad en el gobierno de los datos frente a plataformas y herramientas obsoletas que implementan el gobierno como una solución o parche generados por la propia tecnología. Por ejemplo, una tecnología nativa data centric permite evitar en gran medida la duplicación de datos, previniendo por tanto posibles brechas de seguridad y facilitando la gestión de la confidencialidad.

Data governance como palanca de diferenciación

En el actual entorno híper competitivo, la excelencia en el gobierno de los datos y de la inteligencia se convierte en un factor de diferenciación. Muchos de los datos que manejan las compañías pertenecen a clientes, generados a partir de interacciones con la organización. Dichos clientes pueden ser muy sensibles a la seguridad de sus datos, a su uso idóneo o a factores éticos. El cuidado de la alineación entre los valores del cliente y los de la compañía se convierte en un valor que refuerza la confianza del cliente en nuestra marca y, a la postre, en una mayor fidelización.

En resumen, las empresas no deben concebir el Gobierno del Dato como un mal necesario, sino como una palanca más para activar el potencial de los datos y de la inteligencia aplicada. A día de hoy, ha sido seguramente una de las palancas más olvidadas como habilitador de la inteligencia, pero su rol es determinante para conseguir una transformación real de cualquier empresa que aspire a ser Data Driven.

Visión experta Minsait

Ignacio Álvaro FariñasHead of Data Technologies Minsait

33

35


Ascendant 2019

Coloquio 1

La importancia del Gobierno del Dato como fuente de valor

Actualmente, las organizaciones deben prestar atención a la homogeneización y calidad del dato, su seguridad, su trazabilidad,… En tu opinión, ¿cuál es el marco perfecto para asegurar un adecuado gobierno del dato?

El marco más completo, en mi opinión, tendría en cuenta seis dimensiones: primero, la protección de datos y la calidad; segundo, su dimensión organizativa: dónde se ubican, quién los comparte,…; tercero, el apoyo a CDO en la empresa, por ejemplo, un data board mensual en modelo BAU; cuarto, las personas y sus capacidades; quinto, la contribución al negocio; sexto, la tecnología. Esto sería un marco completo.

Y en cuanto a la analítica, ¿cómo debe ser el marco que asegure el gobierno de la algoritmia?

Hoy en día todavía hay mucho foco en los datos, pero no tanto en la algoritmia. Esto no es escalable, porque al rotar las personas permanecen modelos que deben ser comprendidos. Para un correcto gobierno de los modelos analíticos, los datos deben permanecer centralizados, pero la analítica se centrará donde se crea el valor: en las áreas de Negocio. Debe asegurarse la unificación de herramientas, lo que facilita una metodología clara y el documentado de modelos, de manera que sea fácil escalar. En general, esto todavía no ha llegado a las empresas españolas.

¿Cómo es posible extender una cultura de calidad del dato? El mejor estímulo para que las personas tengan una mentalidad de calidad es que los datos se gestionen como un activo más: reportando sus rendimientos al máximo nivel organizativo, transmitiendo el mensaje de que son importantes de verdad. También comprar datos o compañías centradas en dato transmiten este mensaje.

Una trazabilidad clara es una pieza clave para asegurar visión única y un entendimiento común. ¿Cómo es posible la máxima trazabilidad en grandes empresas donde los negocios y sistemas determinan modelos más aislados? Los grandes tienen trazabilidad clara a nivel global de cada dato y cómo se ha combinado o transformado, así como herramientas para unificar. La semántica de los datos también es crucial, ya

que el riesgo de visiones dispares generaría un impacto en negocio y gestión del cliente.

Con la trazabilidad, llega inevitablemente la cuestión de la huella digital, el sesgo algorítmico,… ¿Cómo se puede asegurar una explotación ética de los datos, incluyendo la neutralidad de los modelos algorítmicos? Lo primero es un marco con unos principios, preferiblemente públicos. Lo segundo, la formación para entender el origen de los sesgos y cómo neutralizarlos. Para completar, incluir un cuestionario de evaluación o herramientas que los data scientists puedan usar como chequeo, y un modelo de governance para resolver las dudas apoyándose en un pequeño equipo de expertos.De hecho, la huella digital es un gran habilitador de labores filantrópicas. Un ejemplo es nuestro piloto de aplicar patrones de red móvil a la ayuda en catástrofes naturales.

En cuanto a la seguridad de los datos, ¿crees que las empresas otorgan a la seguridad de sus datos suficiente importancia? La política de seguridad difiere mucho entre sectores debido a su regulación, pero lo ideal en todos es un equilibrio al diseñar su política: garantizar la seguridad sin mermar la operatividad del procesamiento. En este diseño, hay que tener en cuenta a las personas que trabajan los datos: ¿cómo los usan? ¿qué datos deben anonimizarse antes de poderse trabajar?Otra cuestión son los perfiles de administración de un sistema, y la encriptación. En un modelo cloud, automatizado, la seguridad es más alta que en modelos con muchos administradores: son demasiadas personas y requiere mucho esfuerzo de control.

¿Crees que la seguridad es un limitante para los nuevos usos?

La privacidad sí es un tema que limita, pero es necesario en muchos casos. Obliga a muchas empresas a pensárselo dos veces, no solo por cumplimiento normativo, sino también por reputación.

Proyectando hacia lo que vendrá… ¿Cuál es tu visión de futuro sobre el gobierno de los datos?

Lo primero, la clave para el gobierno de los datos y su escalabilidad será gestionarlo como un activo, incluso reportándolo en el comité de gestión. En cuanto a los órganos responsables, tenderán a ser cross a la organización y multidisciplinares, con distintas áreas organizativas tomando decisiones de diversa índole (técnica, sostenibilidad, reputación, gobierno,…). En cuanto a la tecnología, ayudará en la automatización, trazabilidad de acciones y la generación de análisis, informes y recomendaciones.

Entrevista

Richard BenjaminsData & AI Ambassador, Telefónica

Invitados

Ignacio Álvaro FariñasHead of Data Technologies, Minsait

Richard BenjaminsData & AI Ambassador, Telefónica

Raquel NebredaCDO, ISDI

Ángel García LoraSenior Data Engineer, Cepsa

Ricardo OliverGlobal Head of Data Governance, BBVA

Los datos son un activo que hay que gestionar de manera explícita. Para escalar el modelo inicial basado en iniciativas piloto es imprescindible afrontar un proyecto de homogeneización de datos, iniciativa que a la hora que suele producir miedo y rechazo. Sin embargo, no hay que limitarse a aprovechar los datos para el core del negocio, sino buscar nuevas aplicaciones y usos. En todo este proceso, la responsabilidad es fundamental: privacidad por diseño, seguridad por diseño, uso responsable de algoritmos y machine learning”._____ Richard Benjamins

El valor que los datos aportan a las organizaciones es evidente, pero ese valor se diluye si no hay una apuesta clara del CEO. Ese soporte del CEO debe materializarse en acciones, apoyándose firmemente en el gobierno del dato (oficina del dato), y acompañándose de una imprescindible -pero a menudo poco enfatizada- función de divulgación, necesaria para que Negocio se implique en el gobierno del dato y se sienta juez y parte, activando el uso efectivo del mismo”._____ Raquel Nebreda

El dato debe estar en el centro de la estrategia, apoyado directamente por el CEO dentro del plan estratégico de la compañía. Para materializar su valor, es imprescindible crear una cultura alrededor del dato que le dote de seguridad y calidad, puesto que el dato por sí solo no aporta valor, hay que trabajar la transformación digital. Es un camino largo, donde una parte fundamental es la relación entre las personas”._____ Ángel García Lora

Hay un enorme valor añadido que podemos aportar a los clientes a partir de los datos. Para ello las compañías se deben convertir en Organizaciones Orientadas al Dato, para lo que requieren desarrollar determinadas capacidades: analítica avanzada, tecnología y gobierno del dato. Esto implica abordar un cambio cultural muy importante y tener siempre en mente dos aspectos clave: el gobierno de la calidad de los datos y de su seguridad (quality governance and security by design)”._____ Ricardo Oliver

35

37

Partiendo de la -poco original- premisa de que la IA transformará el conjunto de la sociedad en algo completamente nuevo y que lo hará de una forma tan rápida como profunda y sin precedentes, existen dos vectores que condicionan la evolución de la IA: el tecnológico, vinculado al desarrollo de algoritmos cada vez más capacitados para aprender; y el socioeconómico, relacionado con los usos concretos que se van dando a las nuevas capacidades tecnológicas.

En el plano tecnológico, la innovación en IA es incomparablemente más rápida que su asimilación por la sociedad y que su impacto en el desarrollo de nuevos modelos de negocio, lo cual no significa que el cambio social y económico no se esté produciendo, que sí sucede, sino que la tecnología evoluciona a velocidad más que exponencial.

El camino de la innovación en IA discurre en paralelo a la tensión entre dichos dos ejes -la evolución tecnológica por un lado, y la promesa de beneficios sociales y empresariales por otro. Esa innovación se despliega en cuatro grandes áreas:

Nuevos modelos de gestión del talento, especialmente técnico, en entornos en los que el conocimiento técnico es extremadamente volátil.

Dentro de esta categoría tiene especial interés el fenómeno del freelancing y cómo el concepto del cloud que ha permitido un uso flexible y adaptativo de los recursos computacionales se lleva al mundo del talento tecnológico difuminando la relación empresa-empleado.

También interesante el desarrollo de metodologías ágiles que fomentan la colaboración abierta en equipos multidisciplinares y auto-organizados.

Nuevos algoritmos, con el objetivo de permitir el aprendizaje de las máquinas en condiciones de carencia de datos.

Actualmente los modelos más avanzados de aprendizaje profundo, necesitan el empleo de vastas cantidades de datos, y requieren procesos de entrenamiento muy lentos. Se están aplicando nuevas técnicas que reducen esta complejidad. Mientras, y en paralelo surgen iniciativas hacer acopio de grandes volúmenes de datos, que de momento son el combustible esencial de la IA.

Nuevos procesadores, orientados al cálculo con grandes matrices y tensores

Integrando la capacidad de paralelizar las operaciones básicas que se ejecutan durante el entrenamiento de una red neuronal y que permiten la distribución de la inteligencia a los dispositivos.

La búsqueda de nuevos modelos de negocio

Monetizando los datos, o la creación de nuevas líneas de ingresos basadas en una personalización extrema, la movilidad, la colaboración entre los usuarios finales, objetos o entre los miembros de una cadena de valor, o la automatización inteligente de procesos, reduciendo los costes.

De una forma u otra todas las organizaciones se encuentran inmersas en la aplicación de estas innovaciones en su día a día.


Ascendant 2019

Coloquio 2


Hoy en día conocemos una nueva palanca de generación de valor: la Inteligencia Artificial. Esto ha dado lugar a nuevas corrientes y formas de innovación.

¿Qué condiciona la innovación basada en Inteligencia Artificial? ¿En torno a qué tendencias del futuro se articula esa innovación?


José Luis Flórez FernándezHead of Artificial Intelligence Minsait

37

39

Veo la innovación como un proceso de eliminar pain points, e IA tiene un papel clave para crear relaciones con los clientes. Si una empresa se va a tomar en serio ML e IA, serán parte crítica de la estrategia, por eso es crucial que los directivos entiendan de qué se trata y tengan la formación mínima para incorporarlos en la estrategia”._____ Paris de L’Etraz

El análisis de datos es pieza clave de la visión 360º del cliente. La IA es una herramienta más, porque lo importante es capturar y extraer valor del cliente. Para esto son claves el conocimiento del cliente para detectar sus necesidades, modelos predictivos para anticiparlas, mejora continua, y por último y más importante, las personas, expertos que sepan del negocio para aportar valor”._____José Mínguez

Es más importante la calidad dato que la del algoritmo, tener buena dotación de partida. Es tremendamente importante el papel que va a jugar el dato en la estrategia de producto. Democratizarlo hace esta estrategia más ágil”._____Antonio Molins

IA o ML abren nuevas oportunidades de negocio y de mejora de los existentes. Hay dos puntos para asegurar: gobierno del dato y calidad de datos, y un tema crítico que tenemos que impulsar: la formación, tanto de nuevos egresados como de la gente que está ya en la empresa, sea del tamaño que sea”._____ Antonio Muñoz

La clave de la innovación está en el conocimiento de negocio y en trabajar cada vez mejor un conjunto de datos, que podamos explotar no solo dentro de la compañía, sino fuera también, un open data. La regulación que obliga a explicar los modelos complejos hace que este negocio no corra tan rápido como nos gustaría. Va de datos más que de algoritmo”._____ David Rey

IA y ML son herramientas para conocer al cliente y tomar decisiones, necesarias pero no suficientes. Desarrollar productos que se adecúen a los clientes es lo que añade valor. Por esto, es necesario entender muy bien el dato y, sobre todo, montar las herramientas para personalizar productos y servicios”._____ Francisco Sierra


Coloquio 2


Invitados

José Luis FlórezHead of Artificial Intelligence, Minsait

Paris de L’EtrazDirector del IE Venture Lab

José Mínguez Responsable de Innovación de Endesa Comunicación

Antonio MolinsChief Data Scientist de Clarity

Antonio MuñozDirector ETSI de ICAI – Universidad Pontificia Comillas

David ReyCDO de Idealista

Francisco SierraDirector General de N26 España

Juanjo GarcíaAccount Manager Media Industry, Google Cloud

La aplicación del machine learning en la empresa requiere un talento específico enfocado a la innovación en IA: ¿es factible un modelo de captación de ese talento vía contratación convencional?

En mi opinión sí, pero parcialmente: deberá ser mixto el modelo. Es decir, exigirá un equipo que combine el talento captado de forma tradicional o reciclando personal en la casa apoyado por especialistas externos por proyecto o para desarrollar un conocimiento concreto. En el momento actual, creo que a pesar de que haya una gran cantidad de oferta formativa en machine learning y un buen número de recién titulados, lo que no existe tanto es una oferta de profesionales con experiencia suficiente en el campo. En mi opinión, aparte de la formación reglada, que podríamos decir que representa en torno a un 20-30% de los conocimientos necesarios para ejercer la función, se requieren una alta sensibilidad de negocio, experiencia, alto nivel de creatividad y soft skills. Como apuntas en la pregunta es un perfil muy difícil de conseguir, retener y costoso de talento muy especializado, pero sí está disponible a través de freelancers o compañías de machine learning de nicho. No obstante, este enfoque requerirá una evolución de las estructuras organizativas actuales por unas más flexibles.

¿Cómo asegurar que se tiene acceso al conocimiento para poder innovar y ejecutar nuevos procesos y productos que tengan como base el dato? Contando con la organización de data adecuada, dándole la importancia que le corresponde en la compañía y con capacidad de influencia real. El factor clave del éxito es que los especialistas de los datos conozcan con profundidad la naturaleza y las claves del negocio. Pero, además, que los responsables de producto conozcan los activos de información que tienen a su disposición para la creación de nuevo producto. En la práctica, el equipo de producto y el equipo de data (estrategia, adquisición y desarrollo de servicios de valor añadido) deben formar parte de las fases de incepción de las nuevas releases de producto.Por último, se debe contemplar el carácter estratégico del dato desarrollando una estrategia de datos construida en conjunto con la estrategia de producto. En este proceso, en algunos casos

la incorporación de nuevas fuentes en la estrategia de datos dará lugar a nuevos productos y, en otros, a la inversa: las líneas estratégicas de producto requerirán la incorporación de nuevas fuentes en el roadmap de desarrollo.

¿Existe un gap generacional y de conocimiento entre ejecutivos y data scientists que puede dificultar esta transición del dato al conocimiento y de éste a la acción? Creo que existe un gap de conocimiento más que un gap generacional. Por raro que pueda parecer, la responsabilidad no creo que esté solo de la parte más senior sino que, como apuntaba anteriormente, es consecuencia de que los perfiles de ciencia de datos en muchos casos no tienen el nivel de expertise, soft-skill o, simplemente, no cuentan con la sensibilidad del negocio que necesitaría para facilitar la puesta en práctica de su potencial. El equipo ejecutivo y la dirección general, en muchos casos, también tiene responsabilidad, puesto que debe habilitar al CDO de influencia real y medios humanos y económicos que facilite a la Oficina de Datos transmitir el conocimiento del dato y facilitar su accionabilidad.

¿Cuál es para ti el entorno ideal de trabajo de un data scientist?

Se dice en el sector que hay dos factores que hacen que un data scientist deje su trabajo, uno que su jefe entienda lo que haga y que su trabajo no termine en un cajón. Además por mi experiencia creo que es un trabajo enormemente vocacional pero con carácter de científico, por tanto el entorno ideal sería un entorno en el que permita flexibilidad quizá disponiendo de un porcentaje de tu tiempo a cuestiones de investigación o formación por su cuenta, con una vinculación real con la academia y en el que la organización reconozca su aportación.

¿Cómo ayudar al data scientist a tener un impacto?

Acercándolo más al negocio y a la organización, evitando que sea un equipo aislado de la realidad y que conozca tanto el impacto tanto positivo como negativo en negocio de los modelos, que son servicios desarrollados por su equipo. También es clave el contacto directo de forma puntual con el usuario final para conocer sus necesidades de primera mano, el valor que le aporta y su experiencia con el servicio.

Entrevista

David ReyCDO de Idealista

Ascendant 2019 39

41

El contexto tecnológico ligado a ecosistemas de Datos & Analítica sigue siendo complejo para muchas organizaciones. En muchos casos, la dificultad de adopción se puede achacar al inmovilismo empresarial, si bien resulta indudable que el abanico tecnológico de plataformas y productos sigue adoleciendo de falta de madurez y ofrece un portfolio marcadamente diverso y complejo. Bajo nuestra perspectiva, los siguientes catalizadores deben ser capaces de acelerar a corto-medio plazo la adopción tecnológica del Big Data en cualquier tipo de organización:

Dato como activo real

La frontera entre datos operacionales y analíticos cada vez está más desdibujada, estableciéndose el foco en cómo garantizar su disponibilización, independientemente del uso y naturaleza. El acceso y tratamiento de datos en streaming y la analítica en tiempo real son ya una realidad, por lo que los esfuerzos deben centrarse en construir piezas que permitan el escalado e integración en los procesos de negocio.

Estandarización

Hasta ahora, el objetivo de la tecnología ha sido ofrecer más y mejor funcionalidad a partir de diferentes productos y tecnologías, siendo compleja su integración

y uso combinado. Destacan actualmente tendencias que ofrecen estandarización como el uso de SQL como lenguaje de consulta independientemente del sistema de almacenamiento utilizado (HDFS, noSQL, caches,…). Esta misma filosofía de estandarización será necesario extender a toda la cadena de valor tecnológica de datos: tratamiento de pipelines, seguridad y gobernabilidad, metadatos, etc.

Concentración tecnológica

Los fabricantes están acelerando su oferta de funcionalidad y servicios de Data, ampliando además con nuevas capacidades de inteligencia artificial, y simplificando el mapa tecnológico. Algunos ejemplos -como la fusión de Cloudera y Hortonworks, la adquisición de Looker por parte de Google o BlueTalon por Azure-, ofrecen signos inequívocos de que la carrera está lanzada y nadie quiere perder el posicionamiento. En este sentido, la comunidad Open Source funcionará como gran acelerador de la innovación.

Esta concentración está relacionada también con un proceso de evolución en la nube de las plataformas Big Data, siendo las soluciones que tienen una propuesta Cloud, de servicios gestionados y en modalidad de pago por uso las que están marcando el paso.

Automatización y productivización

Uno de los grandes objetivos desde la tecnología es facilitar frameworks completos que permitan llevar de forma sencilla las soluciones de datos y analítica a los procesos de negocio, reduciendo el time to market. La integración continua en el contexto de desarrollo (Devops), junto con las soluciones de gobierno incorporadas de forma nativa a este contexto, actuarán como palanca, debiendo seguir evolucionando para incorporar particularidades de Big Data y Analítica.

Integración con tecnologías emergentes

Hasta ahora, las soluciones de inteligencia ligadas a blockchain, RPA, visión artificial, etc., han seguido su propia línea evolutiva, muy condicionadas por los interfaces específicos destinados a resolver las particularidades de cada negocio. Al igual que está pasando con Big Data e IA, donde cada vez las líneas de desarrollo están más integradas, existirá un contexto de integración completo que vincule en frameworks comunes los algoritmos de aprendizaje automático y herramientas como las bibliotecas TensorFlow, R, Python, el análisis de sentimientos, procesamiento de imágenes, PNL, blockchain, etc.

Esta integración hace crecer el protagonismo de herramientas que permiten el “gobierno de la Inteligencia”, garantizando el ciclo de vida de la algoritmia y permitiendo el despliegue y funcionamiento en tiempo real de cientos de modelos analíticos avanzados.

Todo ello dibuja un escenario tecnológico que, desde el punto de vista de Minsait estará muy ligado al concepto DataOps, enfoque que busca mayor simplicidad en el procesamiento y explotación de datos, mayor control de la calidad y el rendimiento, y obtención de eficiencias continuas en la preparación de la visión analítica. Todo ello, bajo un contexto de reducción de tiempos en la disponibilización soportado por una revolución tecnológica en evolución constante.


Ascendant 2019

Coloquio 3


Diversidad de opciones, complejidad técnica, resistencia al cambio,… Las tecnologías Big Data encuentran estos y otros escollos en su adopción rápida

por parte de las empresas, justo en un momento en que las organizaciones necesitan actuar con agilidad y decisión para hacer frente a la gestión de grandes

volúmenes de datos. ¿Cuáles podrían ser los aceleradores que faciliten a las empresas españolas la adopción de las nuevas tecnologías del dato? ¿Qué escenario

tecnológico podemos esperar en base a las tendencias del futuro?


Ignacio Jiménez PinillosHead of Big Data Minsait

41

43


Ascendant 2019

Coloquio 3


Es frecuente que exista un entendimiento insuficiente del Big Data y de las soluciones tecnológicas existentes. ¿Cómo percibes que se encuentran las organizaciones actualmente en este ámbito?

Identificamos claramente tres fases de madurez: la primera, en que las empresas recopilan mucha información, explotada en silos dentro de la organización; una segunda fase en que empiezan a sacar conclusiones de manera manual de esa información; y un tercer estadio en que se convencen de que pueden tomar decisiones en tiempo real usando esos datos. Un porcentaje muy alto de las empresas aún está en la primera fase.

¿Piensas que hay empresas o sectores que están aprovechando más que otros esa innovación tecnológica en torno a Big Data?

Si hablamos de madurez por sectores o tipos de empresas, las startups son las que más aprovechan la información y son capaces de crear negocios basado en el dato, al tener menos legacy. En cuanto al resto de empresas, aquellas del sector del marketing muestran una muy buena adaptación al tener enorme un retorno inversión en relación al dato. Algo similar ocurre en el sector bancario, que empieza a jugar con todos los datos que tiene: los grandes bancos están esforzándose por avanzar, pero las startups son capaces de hacer muy buen trabajo de Big Data y enfoque al usuario final, lo que sirve de modelo para las grandes corporaciones financieras.

Entender bien las tecnologías Big Data y cuáles casan mejor con las necesidades de la propia organización ayuda a focalizar bien las inversiones. ¿Cuáles crees que son las principales barreras a la inversión en tecnologías Big Data potentes?

Normalmente Big Data es un proyecto que nace en IT y no es tan fácil para Negocio ver un retorno de la inversión, ya que en la primera fase de madurez, e incluso en la segunda, éste no es obvio. Para vencer esta barrera, en mi opinión, es muy positivo realizar una inversión moderada con un partner con mucha experiencia en modelos de negocio basados en el dato, como prueba.Claramente, otra barrera es la mentalidad de que hay que comprar infraestructura para trabajar sobre el dato. Esto se

vuelve excesivamente costoso cuando se necesita tomar decisiones basadas en dato en tiempo real o manejar grandes volúmenes de datos; es decir, cuando se alcanza la segunda o tercera fase de evolución. Esta barrera se resuelve cuando el usuario descubre que puede hacerse pay per use y sin conocimientos técnicos, con un coste insignificante por cada consulta de información.

¿Qué aceleradores identificas para superar esas barreras? Como indicaba, la infraestructura en nube pay per use da respuesta al reto de necesitar invertir razonablemente para un procesado en tiempo real. Por otro lado, una ubicación adecuada para unificar datos y que el procesado de la información sea eficiente. Por ejemplo, combinar muchos proveedores supone más coste de comunicaciones al mover la información de uno a otro y ralentiza el procesamiento.También recurrir a un partner es un acelerador importante: conocen tecnologías disruptivas y saben cómo aplicarlas; saben gestionar los complejos roadmaps para clouds públicos; aseguran el control de todas las capas de servidores; y han gestionado muchos casos diferentes cuyas lecciones aprendidas enriquecen su valor aportado.

¿Cuál piensas que es la mejor forma de transicionar para las organizaciones en el camino de aprovechamiento de la tecnología Big Data?

Un paso inicial, y muy complicado, es sincronizar y centralizar la información para extraer valor. Sin esta conexión, el volumen de datos generados pierde su potencial. Luego, realizar una prueba de concepto de la mano de un partner para compartir conclusiones de forma gráfica con áreas de negocio. Finalmente, un tercer paso es la automatización. En esta fase interviene el área de data, o se crea si no existe.

¿Cómo entiendes que será el futuro de las tecnologías Big Data en las organizaciones desde el punto de vista de Google?

La tecnología debe ser un habilitador de la recopilación y consolidación de la información, a la vez que accesible para todo el mundo, con o sin conocimientos en tecnología, y todo tipo de empresas. La evolución normal es que sea cada vez más fácil trabajar con ella y genere valor en nuevos servicios. En definitiva, el valor diferencial para el cliente será generado por el análisis de datos y se apoyará en una tecnología menos compleja pero más completa.

Entrevista


Seguiremos trabajando para que las herramientas sean más accesibles, de modo que las empresas tradicionales puedan adaptar su negocio de forma sencilla, y las nuevas puedan crecer. Hay muchas iniciativas y soluciones tratando de reducir la brecha de conocimiento, trabajando para que los no tecnólogos no se queden lejos de la tecnología. Deberemos acostumbrarnos a que el usuario entienda para qué se comparte toda esa información, con transparencia”._____ Juanjo García

Nos encontramos en un momento muy interesante para el dato, en qué medida somos capaces de generar conocimiento de valor a partir de los datos desde un punto de vista corporativo, o para la sociedad y el usuario. Estamos en una transición, seguramente en la primera fase, lo mejor o lo peor está por llegar. Lo importante es no perder velocidad, madurando al ritmo que la tecnología para no perder oportunidades”._____ José Manuel de la Chica

Estamos empezando, y todavía hay un gap enorme entre Tecnología y Negocio. A nivel tecnológico, veremos una explosión de herramientas para el análisis de datos, con algunas compras que reacondicionen el ecosistema tecnológico y cloud. La cultura es clave también para la integración del Big Data: es necesario implantar sólidamente una cultura del dato, nuevos perfiles, equipos híbridos flexibles y ágiles”._____ Manuel Zaforas

Es importante ayudar al usuario y a los directivos a percibir el valor aportado por la tecnología, en lugar de hablarle exclusivamente desde un punto de vista técnico, incomprensible para él. Para que el usuario lo entienda, y hay que traducir la terminología técnica a mejoras: “Te voy a ofrecer carteras adaptadas a tu perfil, con menos volatilidad y más rentabilidad”._____ Asier Uribeechebarría

El futuro está en la estandarización del formato de los datos, que servirá como catalizador para la creación de nuevos modelos de negocio. Y eso conducirá a la orquestación de procesos tecnológicos, donde el cloud es clave. En la actualidad todo el proceso es muy manual. Es clave la capacidad de llevar el dato a la nube o plataformas que se compartan con otras organizaciones”._____ Tomás Mendo

El dato es un medio o instrumento, no un fin. Big Data, bien explotado, redunda en beneficio de todos los ámbitos de la organización, lo que revierte en beneficio de usuarios y ciudadanos. El modelo es muy diferente y está cambiando, pasamos de gestionar procesos y apps a gestionar datos. Una vez evolucionemos hacia esa gestión orientada al dato, tendremos más fácil el salto cualitativo a gestión del conocimiento, predictibilidad, autodecisión, autoaprendizaje, etc.”_____ Lluis Anaya

Invitados

D. Ignacio Jiménez PinillosHead of Big Data, Minsait

Tomás MendoData & Analytics Strategy Manager, Amadeus

Lluis AnayaDirector de Innovación y Datos, CTTI

Asier Uribeechebarría Fundador y CEO, Finanbest


Manuel ZaforasDirector de Big Data e Innovación, Paradigma

José Manuel de la ChicaCTO, Santander Universities

43

45

4

Ética e Inteligencia Artificial

45 Ascendant 2019

47

Cuando un sistema es capaz de procesar señales y estímulos, haciendo uso de una cierta capacidad de percepción; de identificar patrones que relacionan sus decisiones con los efectos que provocan; y, en definitiva,

de iniciar un proceso continuo de aprendizaje a partir del cual modula su comportamiento futuro, entonces se plantea la cuestión de cuáles son los

propósitos de ese sistema, y de si estos, bajo ciertas condiciones, pueden entrar en conflicto con los intereses humanos.

De esta manera, la eterna dualidad entre el bien y el mal se vincula ahora a la inteligencia artificial, y de ahí la moral, que se articula

como teoría a través de una ética de la inteligencia artificial.

El dilema de la ética en la Inteligencia

Artificial

¿Por qué surge esta cuestión?

El algoritmo es el elemento constructivo fundamental de aquello que llamamos inteligencia artificial. Ante la falta de una definición universalmente aceptada, solemos considerar la IA como la capacidad de un sistema tecnológico de imitar destrezas cognitivas que hasta ahora eran potestad exclusiva de los animales, y en un grado aún más sofisticado, de las personas. Aunque no seamos conscientes, los algoritmos no solo forman parte de nuestras vidas, sino que las pueden condicionar. Nos rodean por cientos, tomando decisiones muchas veces banales -recomendándonos una película o un destino de vacaciones- pero otras veces pudiendo influir profundamente en nuestras vidas: al sugerirnos una pareja, diagnosticar una dolencia o considerando nuestra idoneidad para un puesto de trabajo. Los algoritmos nos observan, tutelan y evalúan en todo momento, pero… ¿quién vigila al vigilante?

Los algoritmos encierran tanto poder que deben ser concebidos, desarrollados y empleados siguiendo un estricto código deontológico, de forma que se respeten escrupulosamente ciertos principios, tales como la valoración de posibles sesgos, la capacidad de reproducir experimentos, la privacidad de los datos y su seguridad, la claridad y transparencia de los modelos desarrollados y la medición de su impacto en los ámbitos social, laboral y medioambiental.

4. Ética e inteligencia artificial

47

Respondiendo al desafío:

Recientemente se ha creado la Fundación Ethia, de la que soy presidente, posición que compatibilizo con mi cargo de Head of Artificial Intelligence en Minsait. Fiel a un planteamiento muy pragmático, aglutina la labor de científicos de datos procedentes tanto del ámbito académico como empresarial, que emplean tecnología para resolver el problema que la misma tecnología ha creado. Para ello, Ethia cuenta con la colaboración de reputados expertos creando soluciones tecnológicas que permiten evaluar de forma objetiva hasta qué punto los algoritmos que emplea una organización pueden estar descuidando u omitiendo alguno de los principios arriba enumerados, y lo que es igual de importante, para determinar cómo modificarlos con el fin de evitar conflictos éticos.

La novedad de Ethia es que es la propia comunidad de expertos en el dato la que contribuye a crear y compartir soluciones de forma totalmente altruista, movida únicamente por la certidumbre de que su trabajo puede generar notables repercusiones.

Los creadores de algoritmos son conscientes de que tienen entre manos un poder cada día mayor, que requiere de mecanismos de control. La novedad de Ethia es que es la propia comunidad de expertos en el dato la que contribuye a crear y compartir soluciones de forma totalmente altruista, movida únicamente por la certidumbre de que su trabajo puede generar notables repercusiones.

Validación ética de la Inteligencia Artificial

Tradicionalmente, los algoritmos se han empleado siguiendo criterios económicos, siempre ateniéndose con rigor al marco legal. Para asegurar la ética más allá del cumplimiento normativo, es esencial poder añadir un tercer nivel de validación del algoritmo: el ético.

Ascendant 2019

Posible

¿Es posible, en función de la tecnología disponible, usar inteligencia artificial para resolver un determinado desafío?

Legal

¿Es legal, según la legislación nacional e internacional, utilizar los datos que necesitamos para este propósito usando estas técnicas?

Ético

Aparte de la posible legalidad de la solución, ¿es ética? Esto podría ser subjetivo

_____ José Luis FlórezHead of Artificial Intelligence Minsait

49

5

Estudiode Madurezdel Dato y la Analítica

49 Ascendant 2019

51

5.1.Resultados Globales

51

5. Estudio de Madurez del Dato y la Analítica

Ascendant 2019

53

Los habilitadores de la transformación hacia una Organización Orientada al Dato miden el nivel de preparación de una empresa para acometer su transformación. Incluye todos los elementos no necesariamente tecnológicos, sobre lo que una empresa puede cimentar su transformación y se divide en cuatro ámbitos: estrategia, organización, cultura y talento y Tecnología.

Nuestro estudio demuestra que, a nivel global, la empresas tienen un nivel medio de preparación (2,05) para acometer la transformación hacia una Organización Orientada al Dato, mientras que siguen reforzando sus capacidades para alcanzar niveles superiores (2,87).

Nivel de Preparación de la organización para la transformación hacia una Organización Orientada al Dato.

Habilitadores

Avance actual Avance aspiracional

State of the art

Elevado

Medio

Bajo

2,05

0

1

2

3

4

2,87

Aplicando la metodología exclusiva que Minsait emplea en sus Estudios de Madurez Digital, adaptamos nuestro enfoque holístico a la

realidad del dato y la analítica en tres variables de análisis.

Metodología Minsait

HabilitadoresLos habilitadores son variables intrínsecas a la organización que revelan su capacidad de transformación en una Organización Orientada al Dato, es decir, su nivel de preparación.

InteligenciaPara aprovechar el potencial de los habilitadores y asegurar el impacto del uso del dato en el negocio, es necesario gestionar el ciclo de vida del dato. Esta variable mide la madurez de las capacidades de gestión de captura, explotación y toma de decisiones en base al dato.

DimensionesLas áreas de aplicación del dato y la analítica revelan el grado de impacto efectivo en el negocio generado por el uso del dato en cada dimensión de la cadena de valor.

53

55

Los ámbitos de aplicación miden el grado de avance en las iniciativas hacia una Organización Orientada al Dato en las cuatro dimensiones de la cadena de valor: Innovación, Cliente, Operaciones y Protección.

Los datos revelan que las empresas españolas han trabajado para lograr un nivel medio (2,05) de transformación; sin embargo, continúan haciendo esfuerzos por llegar a un nivel elevado (2,53).

Este ámbito mide el nivel de capacidad de una empresa para gestionar el ciclo de vida del dato y extraer valor de él y se distingue en tres ámbitos: escucha, analiza y actúa.

Nuestro estudio demuestra que, a nivel global, la empresas tienen un nivel medio de capacidad (2,00) para el tratamiento del dato, mientras que siguen reforzando sus capacidades para alcanzar niveles superiores (2,61).

Nivel de avance en la Organización Orientada al Dato según dimensiones de la cadena de valor.

Capacidad de la organización para la gestión del dato.

DimensionesInteligencia

Avance actualAvance actual Avance aspiracionalAvance aspiracional

State of the artState of the art

ElevadoElevado

MedioMedio

BajoBajo

2,052,00

00

11

22

33

44

2,532,61

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales

Ascendant 2019 55

57

El camino hacia ser una Organización Orientada al Dato debe apoyarse en potentes palancas que hagan posible la transformación.

Habilitadores

5. Estudio de Madurez del Dato y la Analítica / Habilitadores

Las empresas españolas han comenzado a adaptar sus capacidades en cuatro ámbitos principales:

57

Cualquier proceso de transformación debe sustentarse en una visión clara, que debe ir acompañada de políticas de gobierno integradas en la estrategia corporativa de manera unívoca y concreta. De acuerdo a nuestra investigación, solo un 22% de las empresas españolas cuenta con una visión precisa sobre cómo la compañía va a competir en base a su estrategia del dato, cómo se van a transformar sus respectivos sectores de actividad, y qué nuevas oportunidades y amenazas se presentan. Un 34% afirma tener una visión de futuro basada en el dato, si bien se trata de un propósito difuso y no explicitado en programas específicos. Menos del 30% dispone de un programa concreto de transformación hacia una Organización Orientada al Dato, y únicamente el 2% ha incorporado la analítica de datos en decisiones que implican un impacto severo en el negocio.

Modelos organizativos y roles de liderazgo claramente definidos, líderes capacitados para ejecutar la transformación sin obstáculos y suficiente dotación de recursos son las condiciones básicas para impulsar institucionalmente la transformación.Entre la primera línea directiva, se observa cómo la reflexión camina varios pasos por delante de la ejecución: en el 47% de las empresas la dirección está comprometida con la visión y programa de transformación hacia Organizaciones Orientadas al Dato, y lidera el cambio con el ejemplo diario. Sin embargo, solo el 15% de las empresas ha definido claramente modelos organizativos y roles de liderazgos; en el 35% persisten la indefinición y las áreas grises en torno al dato, y el 50% restante carece de iniciativas y asignación de responsabilidades.

La tecnología constituye un habilitador para el cambio siempre y cuando se componga de arquitecturas sencillas, ordenadas, flexibles y amoldables a operativas ágiles que faciliten la transformación. Solo el 12% de las empresas analizadas ha definido la infraestructura a desplegar (PaaS, cloud-first) en base a palancas tecnológicas de transformación. Respecto al almacenamiento de datos, apenas el 7% ha implantando bases de datos multistorage con distintos niveles de persistencia, y el 21% cuenta con bases de datos distribuidas. En el procesamiento de datos, perdura el batch, desaprovechando las oportunidades del abordaje en streaming o tiempo real, práctica implantada en apenas el 3% de las compañías. Sobre la explotación, solo el 4% cuenta con APIs (microservicios) para disponibilizar la inteligencia obtenida de los datos.

La disposición a aceptar, trabajar y explotar una cultura corporativa basada en la analítica del dato es absolutamente esencial para garantizar el tránsito hacia Organizaciones Orientadas al Dato. Las personas son el alma de las organizaciones, y sin su implicación resulta inútil cualquier esfuerzo en el plano estratégico o tecnológico. Se trata de un proceso complejo, y el cambio de mentalidad en las empresas españolas está siendo lento: apenas el 3% afirma que el dato está presente como palanca de transformación en las actitudes, reflexiones e iniciativas de toda la compañía. Es imperativo potenciar las acciones de evangelización y divulgación internas (vía expertos en analítica, científicos de datos, coachs, etc.), puesto que solo el 2% de las compañías ha desplegado el conocimiento de la gestión del dato en toda su plantilla.

Estrategia

Organización Tecnología

Cultura & Talento

Ascendant 2019

Estrategia

Organización

Tecnología

Cultura & Talento

Visión de futuro y concreción de la estrategia del dato

Mentalidad

NFT Metodologías

NFT Divulgación

Infraestructura

CapacidadesNFT Democratización

Ingesta

Almacenamiento

Procesamiento

Explotación

Data Governance

Promedio Situación actual NFT: Nuevas Formas de Trabajo

Promedio Aspiración de medio plazo

Software management

Alineamiento y compromiso de la primera línea

Claridad de Roles y liderazgo de la Organización Orientada al Dato

Dotación coherente de recursos para la explotación de datos

Medición de impactos coherente con la transformación en Organizaciones Orientadas al Dato

Gobierno del Dato

Gobierno de Inteligencia

Profundidad en el enfoque de modelos de negocio basados en el dato

Nivel de coherencia entre estrategia del dato y estrategia de la compañía

Concreción del Programa Organizaciones Orientadas al Dato

59 59

EstrategiaPredomina el conservadurismo alrededor del dato: el 85% de las empresas habrá definido a medio plazo su estrategia de transformación hacia Organizaciones Orientadas al Dato.


Concreción del programa Organizaciones Orientadas al Dato

• Lentamente, la importancia del dato está cambiando la visión de las compañías hacia una estrategia data centric, así como la naturaleza de las ventajas competitivas de las empresas y la propia estructura de los sectores

• El 22% de las empresas ha definido ya cómo va a competir en base a su estrategia del dato, cómo van a afectar los nuevos modelos de negocio basados en el dato a su sector, qué oportunidades quieren capturar mediante su estrategia de dato y qué nuevas amenazas se presentan; a medio plazo, el 85% de las empresas habrá definido estas iniciativas


• Respecto a la profundidad en el enfoque de los modelos de negocio basados en el dato, el 6% de las empresas (únicamente el 10% a medio plazo) desarrolla modelos disruptivos a partir del dato, con productos y servicios de nueva generación con base tecnológica. De esta forma, se está desaprovechando la oportunidad de generar inteligencia comercial con una ventaja competitiva apalancada en un modelo de operaciones optimizado con analítica

• El 29% de las organizaciones dispone de un programa formalizado de transformación hacia Organizaciones Orientadas al Dato, detallando objetivos, métricas, responsables e hitos, estableciendo revisiones periódicas para adaptarse al aprendizaje y cambios de contexto

• Solo una de cada cuatro empresas no tiene previsto disponer de ese programa a medio plazo, demostrando la importancia estratégica de la analítica para las organizaciones

Nivel de coherencia entre la estrategia del dato y la estrategia de la compañía

• La toma de decisiones estratégicas apoyadas en datos y analítica está presente solo en el 2% de las organizaciones; el conocimiento del negocio y la experiencia de los profesionales siguen prevaleciendo a la hora de decidir

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Habilitadores / Estrategia

Ascendant 2019

Preparación de la organización para la orientación al dato Estrategia

La carrera de los sectores(Nivel de madurez actual - promedio por sector)

Visión de futuro y concreción de la estrategia dal dato

Nivel de coherencia entre la estrategia del dato y la estrategia de la compañía



1,63

Bajo Medio Alto Estado del arte

1,94 2,00 2,21 2,25 2,272,06 2,33 2,35 2,38 2,69 3,03 3,30

Consumo

Farma

Sector Público

Energía

BancaTelco

Seguros

RetailTuris

mo

Emp. Financiación

Industria

Media

2,64 3,401,91 2,85

2,07 2,532,43 3,16

Promedio Situación actual Promedio Aspiración de medio plazo

Infraestru

cturas

y Construcción

61 61

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

Lentamente, las empresas españolas adquieren conciencia sobre cómo la explotación del dato va a influir en su posicionamiento, qué ventajas competitivas puede aportar y cómo va a afectar a su sostenibilidad en el nuevo contexto digital.

El 46% de las empresas cuenta ya con planes formales de transformación hacia una Organización Orientada al Dato, con responsables, objetivos, KPIs e hitos concretos y definidos.

El aprovechamiento sectorial del dato es muy dispar, con algunos sectores (Infraestructuras, Consumo) con mucho camino por recorrer para llegar a explotar todo su potencial.

La mayoría de empresas mantiene una visión tradicional en el abordaje de sus negocios. Solo el 26% justifica sus decisiones estratégicas en base al dato, dejando atrás métodos tradicionales de decisión como la experiencia o la intuición del directivo.

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Habilitadores / Estrategia / Consideraciones

Estrategia

Consideraciones

63 63

OrganizaciónEl 85% de las organizaciones todavía no ha incorporado la figura del CDO (Chief Data Officer) para liderar la transformación.


Claridad de roles y lidezargo

Recursos

Medición

Gobierno del dato


• El compromiso de la primera línea directiva con las iniciativas de transformación es mayoritario: en el 65% de las organizaciones la dirección está alineada e implicada en el cambio hacia Organizaciones Orientadas al Dato

• Solo el 15% de las empresas cuenta con modelos organizativos y de liderazgo claramente definidos, en los que se incorpora la figura del CDO. A medio plazo, el 47% de las organizaciones contará con un CDO con capacidad de ejecución total

• Por el momento, apenas el 10% de las empresas dedica los recursos necesarios (personas, presupuestos, etc.) a la gestión del dato, de acuerdo con la visión de la compañía. En el futuro, este porcentaje crecerá hasta el 42%

• Únicamente el 6% de las empresas ha desarrollado KPIs específicos para evaluar el impacto de las medidas de las iniciativas de transformación hacia Organizaciones Orientadas al Dato, con procesos de reporting formalizados y sistemáticos

• Solo el 1% de las organizaciones declara contar con modelos de gobierno robustos. El 23% ha trabajado sobre la calidad del dato y la unificación de fuentes de información, y ha desarrollado una estrategia de medidas para operativizar los esfuerzos en gobierno

• En el 2% de las organizaciones se ha sistematizado la gestión del ciclo de vida de la inteligencia, mediante políticas definidas para la gestión del dato y los algoritmos durante todo su ciclo de vida (desarrollo, utilización y reemplazamiento). A medio plazo, lo habrán hecho el 20%

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Habilitadores / Organización

Ascendant 2019

Preparación de la organización para la orientación al dato Organización






Gobierno del Dato

2,28 3,251,83 3,13

2,50 3,25

3,01 3,58

1,84 2,56

1,76 2,80


1,57


2,00 2,02 2,11 2,13 2,132,09 2,15 2,28 2,37 2,38 2,85 3,03

Sector Público

Consumo

Turismo

Seguros

BancaTelco

Energía

MediaFarm

aRetail

Emp. Financiación

Industria

Promedio Situación actual


Infraestru

cturas

y Construcción

65

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

Las empresas muestran sensibilidad y preocupación por el gobierno del dato, pero estas no se han trasladado a políticas efectivas de gobierno de la analítica y los algoritmos.

Existe un claro alineamiento y compromiso de la primera línea con el proceso de transformación hacia una Organización Orientada al Dato, configurándose en la mayoría de empresas áreas o figuras específicas (CDOs, área de Analytics, etc.) que lideren este proceso.

A nivel de organización y gobierno, el cambio es superficial. Mientra las estructuras organizativas se adaptan con roles y responsabilidades claros, modelos presupuestarios y de seguimiento, no se observa todavía un impacto manifiesto en el gobierno del dato y la analítica, ámbitos que verdaderamente marcan la diferencia en la generación de valor del dato.

Solo un 10% de las empresas dedica los recursos (presupuestarios y humanos) necesarios para garantizar la ejecución de sus estrategias orientadas al dato. Las empresas echan más en falta profesionales especializados, escasos y difíciles de conseguir, que recursos económicos.

65

Organización

Consideraciones

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Habilitadores / Organización / Consideraciones

67 67

Cultura & TalentoLa presencia del dato en el día a día de las compañías pasará del 29% actual al 82% en un plazo de tres a cinco años.

Mentalidad

Capacidades

Nuevas formas de trabajo

• Una verdadera cultura colaborativa, innovadora y que aprenda de fallos en el proceso, que entienda el dato como un activo estratégico presente de forma implícita en las reflexiones, actitudes e iniciativas apenas está instaurada en el 3% de las empresa, y en el futuro lo estará en el 33%

• El 2% de las organizaciones considera que cuenta con las capacidades necesarias para afrontar los nuevos retos en calidad y gobierno del dato y analítica, con itinerarios de formación y despliegue de conocimiento en toda la plantilla. El 29% estará preparado en un plazo de cinco años

• Los resultados de la cultura en torno al dato se proyectan lentamente en los modelos de organización de las empresas. La democratización y el autoservicio de datos está implantando en el 3% (el 20% espera alcanzarlas a medio plazo), la interlocución entre áreas para incorporar diferentes visiones a los proyectos se aplica en el 6% (21% a medio plazo), y la divulgación interna del conocimiento generado por la analítica y los modelos matemáticos en busca de sinergias está extendida en el 8% de las empresas (26% a medio plazo)

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Habilitadores / Cultura & Talento

Ascendant 2019

Preparación de la organización para la orientación al dato Cultura & Talento

Capacidades

Mentalidad

Nuevas formas de trabajo - divulgación

Nuevas formas de trabajo - democratizaciónNuevas formas de trabajo - metodologías

1,78 2,95

2,06 3,14

2,53 2,71

2,53 2,712,53 2,71


1,30


1,67 1,70 1,76 1,80 1,811,71 1,94 1,95 2,052,00 2,45 2,76

RetailFarm

a

Turismo

Energía

BancaTelco

Sector Público

Seguros

Consumo

Emp. Financiación

Industria

Media



Infraestru

cturas

y Construcción

69

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

Las empresas acusan la falta de profesionales especializados en el dato y la analítica, y buscan esos perfiles tremendamente escasos en el mercado.

Algunos sectores -como Telecomunicaciones- ya han hecho efectivo en gran medida el cambio de mentalidad y actitud en sus organizaciones, demostrando que ese cambio retador es posible y marcando el camino a seguir.

Solo el 20% de las empresas facilita el autoservicio de datos a sus empleados, pese a que la mayoría reconoce la importancia de la democratización del acceso al dato.

El 83% de las organizaciones declara no estar aún preparadas para afrontar el cambio cultural. En lugar de afrontar dicho cambio implantando mecanismos internos de incentivos, formación, reciclaje y comunicación para su personal, optan por buscar recursos externos en un contexto de notoria escasez de profesionales.

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Habilitadores / Cultura & Talento / Consideraciones

69

Cultura & Talento

Consideraciones

71 71

TecnologíaLa renovación del legacy tecnológico es esencial para avanzar hacia el modelo de Organizaciones Orientadas al Dato. Un 63% de las empresas aun trabaja con máquinas físicas o entornos virtuales.

Infraestructura

• Las organizaciones evolucionan lentamente sus sistemas core, pasando de infraestructuras on premise a modelos cloud. Un 26% trabaja con modalidades IaaS y un 12% con PaaS (cloud-first). A medio plazo, estos porcentajes serán del 47% y 36%, respectivamente

Ingesta

• La ingesta de datos todavía se realiza mayoritariamente en Batch (49%), e incluso de manera manual (31%). Solo un 17% captura información en tiempo real, y apenas el 3% ha creado hubs de datos al que se suscriben diferentes áreas de la empresa

Almacenamiento

• Respecto a las tecnologías de almacenamiento de datos, el 51% de las empresas todavía trabaja con bases de datos relacionales. El 21% opera con bases de datos distribuidas (Hadoop, Big Data), y el 7% con bases de distintos niveles de persistencia

Procesamiento

• El procesamiento de los datos también sigue la misma senda de lenta puesta al día. La mitad de las empresas utiliza procedimientos SQL, un 28% ha introducido lenguajes como R o Python, un 19% utiliza técnicas de machine learning, y apenas el 3% ha implantado conocimiento cognitivo

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Habilitadores / Tecnología

Ascendant 2019

Preparación de la organización para la orientación al dato Tecnología

Ingesta

Infraestructura

Software Management

Almacenamiento

Procesamiento

Data Governance

Explotación

1,92 2,51

2,12 3,10

1,71 2,54

1,84 2,47

1,75 2,37

1,48 2,24

1,88 2,58


1,43


1,46 1,54 1,67 1,94 2,041,57 2,09 2,21 2,472,34 2,542,04

RetailFarm

a

Turismo

Energía

BancaTelco

Sector Público

Seguros

Consumo

Emp. Financiación

Industria

Media



Infraestru

cturas

y Construcción

Explotación

• Una de cada tres empresas aun explota la información de forma departamental, utilizando cada área de la compañía sus propias herramientas. Un 50% cuenta con una estrategia corporativa para facilitar el acceso a la información (portal, entorno, etc.), un 13% provisiona a los científicos de datos con sandbox y notebooks bajo demanda con herramientas específicas, y el 4% ha implantado en su proceso core microservicios con IA embebida (apificación de la inteligencia)

Data Governance

• La implantación de herramientas y tecnologías específicas para el Gobierno del Dato es otro gran capítulo pendiente en la mayoría de las empresas: el 65% de las empresas apenas ha apuntado algunas definiciones; un 24% dispone de un set de herramientas de gobierno completas (calidad, diccionarios, trazabilidad), un 8% cuenta con la visión unificada que aporta un Maestro de Datos, y un 3% cuenta con una plataforma que aglutina toda la visión data-centric

Software Management

• Por último, sobre el nivel de automatización de la gestión y despliegue de nuevos desarrollos de software, un 46% de empresas se encuentra aún en el nivel DevOps 1 (despliegues manuales), un 26% en DevOps 2 (integración continua en semanas), un 18% en DevOps 3 (entrega continua en días) y solo el 10% en DevOps 4 (despliegue continuo en horas)

73

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

Las empresas españolas todavía están definiendo palancas de transformación desde el punto de vista tecnológico, evaluando factores como costes, time to market, disponibilidad o escalabilidad para concretar las arquitecturas a desplegar.

A pesar de no haberse materializado todavía la transformación tecnológica orientada al dato, las empresas son conscientes de la necesidad de renovar su infraestructura tecnológica para adaptarla a las demandas de una Organizaciones Orientadas al Dato. Un 38% ya ha desplegado arquitecturas cloud o modelos híbridos (PaaS, IaaS, AWS, etc.), y un 83% lo habrá hecho a medio plazo.

Todavía no se está aprovechando toda la aportación al negocio de la Inteligencia Artificial. Por ejemplo, apenas el 3% ha implantado soluciones cognitivas, y solo el 4% ha embebido IA en sus procesos de negocio.

A pesar de considerarse el dato un activo crítico para la competitividad, se observa en general en las organizaciones una carencia de soluciones y herramientas para facilitar el gobierno del dato.

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Habilitadores / Tecnología / Consideraciones

73

Tecnología

Consideraciones

75

La transformación de dato en valor se sustenta en un conjunto de metodologías y capacidades de gestión del dato.

Solo el 3% de las organizaciones confía en tomar decisiones en todos los niveles a partir de las conclusiones de la analítica.Inteligencia

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Inteligencia

75

Una metodología de identificación de datos (propios y externos) permite obtener una mejor visión del entorno de la organización. La mayoría de las organizaciones (60%) se limita a estudios ad hoc cualitativos, o bien sigue a la competencia (29%). Solo en el 10% existe monitorización en áreas trascendentales como Marketing u Operaciones, aunque a medio plazo el porcentaje crecerá hasta el 29%.Sobre el tipo de datos captados, solo el 40% recoge datos no estructurados (vídeo, voz, imagen), y el 62% confía en hacerlo en el futuro.

Escucha

Apenas en el 3% de las empresas se toman decisiones automáticas (sin intervención humana) a partir de los resultados del algoritmo, algo que a medio plazo sucederá en el 17%. En un nivel inferior, el 26% de las empresas confía en los resultados de la analítica y toma decisiones considerando estos. Por último, más de la mitad de las empresas tiene en cuenta los posibles sesgos ideológicos (edad, género, raza, etc.) y aplica medidas para contrarrestar dichos sesgos.

Actúa

Apenas el 1% de empresas dispone de mecanismos de reaprendizaje, que permitan extraer conocimiento del pasado y proyectarlo a futuro. A medio plazo, el 8% espera contar con esta aportación.Prácticamente todas las empresas captan datos ociosos, a la espera de aplicarles procesos analíticos que los

Analiza

Escucha

Actúa

Analiza

Ética e interpretación

Percepción del entorno

Clase de información

Aprendizaje y adaptaciónImpacto conclusiones analíticas

Explotación de los datos y datos ociosos

Ascendant 2019




Infraestru

cturas

y Construcción

1,25


1,75 1,78 1,90 1,91 1,951,90 2,15 2,21 2,332,26 2,41 2,50

RetailFarm

a

Turismo

Energía

BancaTelco

Sector Público

Seguros

Consumo

Emp. Financiación

Industria

Media

conviertan en útiles. Únicamente el 8% de las empresas afirma ser capaz de procesar cualquier dato en tiempo real, y solo en el 9% se conocen los motivos de la no utilización de los datos y existen medidas correctivas para remediarlo. En el 68% de las empresas no se explota una gran cantidad de datos por desconocimiento o dificultad.

77

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

El dato estructurado es todavía la primera fuente de información para muchas empresas, aunque casi un 40% ya almacena datos no estructurados (voz, vídeo, imágenes, redes sociales) que todavía no explota en su totalidad.

Muchos algoritmos de clasificación, scoring o recomendación están limitados por sesgos de diferente tipo (raciales, género, etc.). Sin embargo, más del 70% de las empresas son sensibles a la influencia de dichos sesgos, neutralizándola mediante correcciones manuales o automatizadas.

Muchas empresas limitan la captación de datos externos a estudios ad hoc relativos a su posicionamiento en el mercado, desaprovechando la riqueza de fuentes (propias y externas) disponible para lograr una visión lo más completa posible.

Las empresas españolas deben entender el aprendizaje como un proceso de mejora continua de su competitividad, orientándose a convertirse en una compañía inteligente antes que disponer de herramientas o algoritmos competentes. Este enfoque aleja a las empresas españolas del modelo de compañía inteligente.

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Inteligencia / Consideraciones

77

Inteligencia

Consideraciones

79

El objetivo último del dato y la analítica es la generación de impacto en negocio, algo en lo que las empresas españolas continúan trabajando.

Dimensiones Las empresas empiezan a beneficiarse lentamente de los resultados de la inversión en analítica, especialmente visibles en la mejora del conocimiento

del cliente y de la protección de sus sistemas.

79

Trasladar la analítica del dato al core del negocio supone la mejora de la propuesta de valor o la renovación de la oferta de productos y servicios. Los primeros resultados comienzan a ser perceptibles, aunque el margen de acción en este capítulo es todavía muy amplio: solo el 9% de las empresas incluye datos generados por los clientes para optimizar su oferta de productos y servicios, y el 22% afirma utilizar los datos para evolucionar sus productos. Es necesario potenciar los procesos de coopetition para buscar referencia y soporte en su camino de innovación: apenas un 4% de empresas participa en diferentes ecosistemas (players digitales especializados, empresas de nicho innovadoras y startups centradas en el dato) para impulsar la innovación colaborativa en base al dato, y otro 11% comienza a aventurarse en esta práctica.

Innovación

La analítica está aportando notables mejoras en el cumplimiento de las normativas de seguridad, además de reforzar aspectos como la ética o la adaptación a la legislación internacional. Sin embargo, apenas el 7% de las empresas se consideran proactivas, empleando algoritmos predictivos para anticiparse a posibles problemas de seguridad (fraudes, brechas de seguridad, etc.).Más de la mitad de las empresas dispone de una política de seguridad y mecanismos que garanticen un acceso seguro a la información de la compañía, con segmentación de usuarios y redes (servidores, redes críticas, preproducción, etc.). El 61% ha definido e implantado políticas de autorización y permisos, garantizando el grado de anonimidad de los datos que así lo requieren.

Protección

Buena parte de los beneficios de la explotación de la analítica son visibles en la mejora de la relación con el cliente. Solo las empresas más avanzadas disponen de productos y servicios inteligentes y flexibles, enriquecidos con los datos para mejorar la interacción en todos los momentos del costumer journey. Apenas el 4% de las organizaciones utiliza modelos de incorporación de datos en tiempo real para ajustar su propuesta de bienes y servicios a las necesidades del cliente; el 19% no alcanza el tiempo real, pero sí monitoriza continuamente para actualizar y rediseñar su oferta. Un 26% utiliza fuentes de datos externas, ya sean alianzas con terceros para el intercambio de datos anonimizados que permiten segmentar a los clientes y aplicar técnicas analíticas para mejorar la relación con los clientes, o fuentes de datos adicionales.

Cliente

La mejora de la eficiencia de las operaciones es un eje importante en los procesos de transformación hacia una organización orientada al dato. Aunque los procesos ya están en marcha, las empresas españolas aun disponen de mucho margen de mejora en este ámbito.La algoritmia se aplica con timidez a las principales áreas de soporte de las operaciones. Los primeros resultados notorios se obtienen en el área económica-financiera (el 12% de las empresas utiliza los datos de contabilidad actuales y el histórico para derivar predicciones de resultados y sus posibles causas en base a modelos analíticos) y Sistemas (el 6% de empresas analiza el histórico y aplica algoritmos para optimizar funciones). En la cadena de suministros, un 31% recoge datos de ERPs, CRMs o SCMs para monitorizar y optimizar recursos, pero aún no existe la capacidad de predecir el comportamiento de clientes y proveedores.

Operaciones

Innovación

ClienteOperaciones

Protección

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimensiones

Ascendant 2019

Descubrimiento de nuevas oportunidades

Dato y Analítica como core del negocio

Observatorio del dato

Ecosistemas del dato

Experiencia de cliente

Conocimiento del cliente

Conocimiento del mercado

Marca

SO - Gestión económica

SO - RRHHSO- Sistemas

SO - Legal y auditoría

Operación - cadena de suministro

Operación - eficiencia operativa

Operación - producción

Fraude

Riesgos

Garantía de seguridad

Privacidad

Regulación - nacional

Regulación - internacional

Gestión de activos - Construcción, mantenimiento, explotación


Promedio Aspiración de medio plazo SO: Soporte Operativo

81 81

InnovaciónSolo una de cada tres empresas tienen previsto basar su propuesta de valor futura en la aportación de la algoritmia.

Nuevas oportunidades de negocio

Dato y analítica como core del negocio



• Apenas un 2% de las empresas cuenta con un observatorio automatizado de tendencias de mercado, para buscar o definir nuevas oportunidades de negocio dentro o fuera de su sector natural de operaciones

• La propuesta de valor basada en la algoritmia, con foco en el valor percibido por el cliente, está consolidada en el 9% de las organizaciones. Este porcentaje crecerá hasta el 34% en un plazo de cinco años

• Apenas el 2% de las empresas dispone de un observatorio del dato para detectar nuevas fuentes de información, posibilidades de explotación o perfeccionar la analítica, considerándose proactivas en este ámbito. El 7% confía en contar con él a medio plazo

• La colaboración dentro de un ecosistema de players especializados (empresas de nicho, startups centradas en el dato) está únicamente en el 4% de las organizaciones, y el 11% actuará de esta manera en el futuro

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimesiones / Innovación

Ascendant 2019

Avances en la orientación al dato de la organización Innovación



Dato y analítica como core del negocioObservatorio del dato

1,42 1,821,63 2,09

2,08 2,991,43 1,72


1,19


1,29 1,38 1,58 1,60 1,631,42 1,63 1,64 2,051,81 2,25 2,32

RetailFarm

a

Turismo

Energía

BancaTelco

Sector Público

Seguros

Consumo

Emp. Financiación

Industria

Media



Infraestru

cturas

y Construcción

83

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

Aunque las empresas son conscientes del papel clave del dato y la analítica a la hora de optimizar su propuesta de valor, todavía es muy incipiente el uso de la analítica a la hora de adaptar productos y servicios a las necesidades particulares de cada cliente.

A medio plazo, más del 75% de las organizaciones confía en basar su propuesta de valor en el dato. Sectores como Banca, Telecomunicaciones y Empresas de Financiación ya incorporan en sus productos y servicios el valor añadido por la algoritmia, inspirando y orientando al resto de sectores.

Pese a que muchas empresas reconocen la importancia de monetizar sus datos, son pocas son las que están extrayendo partido a la información disponible.

Las empresas españolas están poco preparadas para materializar una propuesta de valor basada en el dato. Apenas el 15% cuenta con observatorios inteligentes para detectar nuevas oportunidades de negocio a partir de la explotación de los datos.

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimensiones / Innovación / Consideraciones

83

Innovación

Consideraciones

85 85

ClienteUna de cada cuatro organizaciones dispone de cuadros de mando automatizados para evaluar la posición de la empresa frente a la competencia.

Experiencia del cliente



Marca

• La mejora de la experiencia de cliente gracias a un conocimiento más profundo es una de las principales aplicaciones actuales de la analítica. Sin embargo, únicamente el 4% de enriquece sus productos y servicios con datos y hábitos de usuarios, y el 28% espera hacerlo en el futuro. Un 19% monitoriza continuamente para rediseñar y mejorar futuras versiones, objetivo a medio plazo para el 40%

• Un 3% incorpora datos externos (patrones de consumo, segmentación sociodemográfica, etc.) para mejorar el conocimiento del cliente

• La vigilancia de los competidores y del posicionamiento de la organización está automatizada en el 8% de las empresas. En el 71% estas labores se completan de manera puntual y no automatizada

• El análisis de la reputación de la marca, mediante seguimiento inteligente de opiniones, encuestas propias o fuentes externas (redes sociales) se lleva a cabo en el 5% de las organizaciones. A medio plazo, un 20% espera contar con modelos de monetización para evaluar el impacto de la reputación en el negocio

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimesiones / Cliente

Ascendant 2019

Avances en la orientación al dato de la organización Cliente

Experiencia de clienteMarca

Conocimiento del clienteConocimiento del mercado

2,04 2,872,04 2,46

2,01 2,612,16 2,49


1,44


1,55 1,90 1,95 2,07 2,131,91 2,14 2,19 2,442,25 2,69 2,79

RetailFarm

a

Turismo

Energía

BancaTelco

Sector Público

Seguros

Consumo

Emp. Financiación

Industria

Media



Infraestru

cturas

y Construcción

87

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

Muchas empresas disponen de cuadros de mando eficientes alimentados con datos pasados, pero carecen de la inteligencia necesaria para llevar a cabo predicciones (anticiparse a comportamientos de clientes, competidores, etc.).

Las empresas españolas han constatado claros retornos de la inversión a la hora de aplicar analítica de datos a la optimización de la relación con el cliente y la gestión del posicionamiento, por lo que este es uno de los ejes más desarrollados.

Solo el 23% de las empresas aprovecha datos internos hasta ahora ociosos (llamadas a call centres, correos de reclamaciones, etc.) para entender mejor la interacción con los clientes.

A pesar de los avances logrados, aún resta un largo recorrido para obtener un conocimiento completo de los clientes y su experiencia. Sin embargo, las empresas españolas se muestran poco ambiciosas a la hora de alcanzar ese objetivo, lo que otorgará ventaja competitiva a aquellas empresas que apuesten decididamente por lograrlo.

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimensiones / Cliente / Consideraciones

87

Cliente

Consideraciones

89 89

OperaciónLa analítica se traslada muy lentamente a la gestión operativa, por el momento principalmente a la optimización de la cadena de suministros y la producción.

Soporte a la operación Operaciones

• Un 2% de las empresas aplica la analítica a la gestión económica-financiera de forma integral, a través de predicciones de la hoja de resultados, recomendaciones para logro de objetivos, etc. El 12% aspira a hacerlo en el futuro

• Las iniciativas basadas en IA en el área de RRHH (identificación del talento, revisión salarial inteligente, igualdad, diversidad, etc.) apenas están implantadas en el 1% de las empresas, y solo el 3% las contempla en el plazo de cinco años

• Igualmente, la analítica aplicada a la mejora de los sistemas y al área legal (definición de modelos de riesgos, soporte a la auditoría, detección de incumplimientos legales, etc.) es todavía una hoja en blanco

• La optimización de la cadena de suministros, a través de la predicción del comportamiento de equipos, proveedores y clientes o la identificación de carencias presentes o futuras que impacten en los flujos de mercancías, ingresos o costes, está implantada en el 1% de las organizaciones. Un 31% lleva a cabo actividades de monitorización

• El 1% de las empresas emplea la analítica para mejorar las eficiencia operativa dentro de la compañía, por ejemplo, analizando cadenas de correos electrónicos para estudiar la eficiencia de los procesos internos

• Con respecto a la producción, un 10% de las empresas monitoriza en tiempo real la cadena de montaje, y el 17% espera hacerlo en el futuro

Gestión de Activos

• Apenas el 2% de las empresas aplica la analítica de datos para la gestión de activos, ya sea en la fase de:

• Construcción (optimización de fuerzas de campo)

• Mantenimiento (mantenimiento predictivo)• Explotación (eficiencia energética,

optimización de capacidad en redes)

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimesiones / Operaciones

Ascendant 2019

Avances en la orientación al dato de la organización Operaciones

Soporte a la operación -Gestión económica

Operación - Cadena de suministro

Soporte a la operación - RRHHGestión de activos - construcción, mantenimiento, explotación

Soporte a la operación - Sistemas

Soporte a la operación - Legal y auditoría

Operación - Producción

Operación - Eficiencia operativa

1,62 2,30

1,17 1,41

2,23 2,87

1,69 2,20

1,29 1,79

1,49 2,21

2,13 2,61

1,57 2,08


1,25


1,35 1,45 1,52 1,54 1,561,46 1,62 1,65 1,901,89 2,01 2,05

RetailFarm

a

Turismo

Energía

BancaTelco

Sector Público

Seguros

Consumo

Emp. Financiación

Industria

Media



Infraestru

cturas

y Construcción

91

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

A la vista de los claros retornos de la inversiones en términos de eficiencia y ahorro de costes, la analítica de datos se está dirigiendo principalmente a optimizar los procesos de Producción y la cadena de suministros, dejando las funciones back office en segundo plano.

Más de la mitad de las empresas aspira en el medio plazo a capturar y procesar información en tiempo real en sus procesos de producción, gestión de activos y cadena de montaje.

A pesar de las posibilidades de la analítica de datos en las funciones de soporte del negocio (finanzas, RRHH, legal, etc.), apenas se está aprovechando su potencial, sea cual sea el sector.

La optimización inteligente de operaciones mediante analítica avanzada o Inteligencia Artificial apenas está implantada. A medio plazo, las previsiones de uso son moderadas.

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimensiones / Operaciones / Consideraciones

91

Operaciones

Consideraciones

93 93

Protección

Fraude y riesgos

Seguridad y privacidad

Normativa nacional e internacional

• Un 22% de las organizaciones emplea la analítica para garantizar la protección de las operaciones (fraude, brechas de seguridad, comportamientos anómalos, etc.), mediante técnicas desde el análisis descriptivo hasta el cognitivo. Asimismo, el 17% emplea técnicas analíticas para identificar cambios en el entorno que puedan suponer riesgos futuros para el negocio

• El 51% de las empresas dispone de políticas de seguridad y mecanismos que garanticen un acceso seguro a la información de la compañía por parte de los usuarios

• La garantía de privacidad en el acceso a los datos se cumple mayoritariamente: el 61% de las empresas ha establecido políticas que garantizan el anonimato o el acceso restringido a datos personales

• Respecto a la regulación nacional, el 68% dispone de protocolos y guías de usuario para cumplir con regulaciones como GDPR desde las primeras fases de desarrollo de los algoritmos hasta su implementación en los sistemas

• El 58% se adapta igualmente a las regulaciones internacionales en materia de datos, explotando la información sin faltas en el cumplimiento de las normativas transnacionales

Ascendant 2019

Avances en la orientación al dato de la organización Protección

Fraude

Privacidad

RiesgosRegulación internacional

Garantía de seguridadRegulación nacional

3,26 3,573,34 3,68

1,67 1,63

2,31 2,84

3,38 3,71

3,05 3,36


2,55


2,70 2,33 2,78 3,07 2,782,49 2,22 2,64 3,32,66 3,57 3,25

RetailFarm

a

Turismo

Energía

BancaTelco

Sector Público

Seguros

Consumo

Emp. Financiación

Industria

Media


Promedio Aspiración de medio plazoLa mejora de las condiciones de seguridad es una de las principales aplicaciones de la analítica en las empresas, principalmente garantizado las políticas de seguridad y el ajuste a regulaciones.

Infraestru

cturas

y Construcción

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimensiones / Protección

95

Lo esperado

Lo más positivo

Lo sorprendente

Lo más preocupante

Las empresas españolas muestran en general niveles altos de concienciación, responsabilidad y cumplimiento de las políticas de protección y acceso a los datos.

Más del 75% de las empresas cuenta con protocolos y medidas para la protección de los datos y el cumplimiento normativo durante su tratamiento, y a medio plazo aspiran a continuar mejorando el ámbito global de protección.

La protección del dato todavía no es total. El 17% de las empresas aún no han terminado de implantar los procesos de securización, accesos restringidos y anonimización de los datos personales de los clientes.

Menos del 20% de las empresas utiliza técnicas analíticas para identificar y adelantarse a posibles amenazas y riesgos futuros, y menos del 30% planea hacerlo a medio plazo.

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Dimensiones / Protección / Consideraciones

95

Protección

Consideraciones

97

Las empresas españolas declaran haber implementado con éxito los siguientes casos de uso:

Análisis de propensión de compra del cliente para optimización de acciones comerciales y maximización de ventas.

Inteligencia comercial aplicada a cross-selling.

Modelos analíticos de pricing para maximización de ventas en base a precios personalizados en tiempo real, optimización de tarifas y maximización de márgenes.

Personalización real time de experiencia del cliente: personalización de navegación web en tiempo real, reconocimiento del cliente y su historial según accede al punto de venta físico, ordenación de resultados en buscador de tienda online según variables adaptadas a cada cliente.

Mantenimiento predictivo de infraestructuras físicas para optimización de costes de mantenimiento, continuidad de las operaciones y, en aquellos sectores donde el servicio se suministra en infraestructura física, experiencia de cliente positiva.

Planta inteligente: sonorización y automatización de toma de decisiones en base a analítica avanzada para maximizar la productividad y la eficiencia.

Implementación de dashboards de gestión de negocio como soporte a la toma de decisiones y a la planificación de actividades.

Implementación de tecnologías de gestión del dato: CRMs para gestión del conocimiento del cliente, MDMs para el gobierno del dato, soluciones para fomentar el autoconsumo.

Modelos predictivos para minimizar el fraude: IA para verificación documental, modelos para detección de comportamientos anómalos, modelos de propensión.

Incorporación de información de fuentes externas para conocimiento del mercado y los clientes, con usos más allá de la explotación comercial directa: riesgos, nuevos negocios futuros.

Las empresas españolas enfatizan especialmente el éxito en la aplicación del dato al conocimiento del cliente para reforzar el valor extraído de la relación con el consumidor, y a la optimización de operaciones para lograr eficiencias en tiempos y costes.

Por otro lado, un número importante también coinciden en destacar como casos de éxito la implementación de nuevas tecnologías que consideran clave para impulsar su orientación al dato.

En menor medida, varias empresas han destacado entre sus casos exitosos modelos de detección de fraude y, de forma muy incipiente, desarrollan aplicaciones para sus clientes y pequeños ecosistemas que permiten enriquecer su información con datos de otras fuentes.

Los usos del dato y la analítica: ¿cuáles son las prioridades de las empresas españolas?

97 Ascendant 2019

5

6

1

2

3

4

7

10

¿Qué aplicaciones del dato y la analítica han funcionado bien entre las empresas españolas?

Casos de uso

8

9

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Casos de uso

99

Las empresas españolas afirman estar invirtiendo especialmente en los siguientes casos de uso:

Modelos predictivos aplicados al comportamientos y al grado de satisfacción de los clientes para predicción de bajas y priorización de acciones de retención.

Microsegmentación de clientes con el objetivo de extraer valor comercial de varias formas: análisis de rentabilidad en el ciclo de vida del cliente para retención y fidelización, one to one pricing, diseño de nuevas ofertas y nuevas líneas de negocio, estrategia de canales.

Personalización real time de experiencia del cliente en canal online: personalización de navegación web en tiempo real, personalización de escaparate o landing enriquecida con datos externos (geolocalización, patrones de consumo en la zona), personalización de experiencia de compra.

Modelos predictivos de demanda para la optimización de capacidad que asegure la continuidad de las operaciones, la productividad y, en aquellos sectores en que el servicio se presta en infraestructuras físicas, la experiencia de cliente: optimización de capacidad en fábrica, planificación de dotación de personal en hoteles y en almacenes, dotación de personal técnico en obras y plantas.

Optimización real time de operaciones de producción y de logística, mediante sensórica que facilite visibilidad en tiempo real y modelos analíticos para maximizar la productividad y la eficiencia en fábrica y plantas, planificación del transporte, optimización de rutas de entrega y recogida, planta de reciclaje 4.0.

Analítica para la optimización de funciones back office, con especial énfasis en la optimización del rendimiento de los Sistemas TI (procesado de texto para priorización de incidencias, machine learning para text analytics, modelos predictivos de incidencias) y la función financiera (conciliación bancaria inteligente, gestión documental con IA, RPA para automatizar tramitaciones).

Mejora de seguridad de los entornos para protección de datos de los clientes: segregación de redes con firewalls capaces de monitorizar los tráficos, protocolos de accesos, detección de amenazas.

Evolución tecnológica: migración a la nube, implementación de plataformas analíticas, implementación de soluciones para maximizar la visibilidad y explotabilidad del dato.

Implementación del gobierno común del dato: diseño de modelo de gobierno (de forma autónoma o recurriendo a partners), homogeneización de modelo de datos único a nivel compañía, implementación de herramientas de gobierno, actualización y depuración, consolidación de bases de datos.

Definición de estructura organizativa data driven: estructura, responsabilidades, roles.

Ecosistemas del dato para evolucionar la propuesta de valor: personalización de servicios, dimensionamiento de red de servicio. Especialmente basados en geolocalización y producto conectado.

Un 10% de las empresas españolas declara no tener todavía casos de uso en desarrollo, lo que denota la necesidad de imprimir velocidad a su orientación al dato. Sectores como Consumo, Seguros o Farma son los más necesitados de orientación a la hora de experimentar con el dato.

Entre las empresas que se encuentran invirtiendo en casos de uso del dato, vuelven a ser populares los casos relacionados con el conocimiento del cliente, evolucionando hacia las capacidades predictivas y con énfasis creciente en microsegmentación y los canales digitales; y con la optimización de operaciones, con aspiración al tiempo real y unos primeros casos de uso relacionados con la optimización de las funciones back office.

La mejora de la seguridad de los entornos y la implantación de tecnologías del dato siguen siendo casos de uso que reciben inversiones importantes, a la luz de los éxitos ya cosechados.

Se está trabajando, además, en la implementación de habilitadores como la estructura organizativa data driven y el gobierno del dato. El hecho de que las empresas todavía no los destaquen de forma generalizada entre sus casos de éxito, a pesar de constituir la base incuestionable para el éxito, denota que las organizaciones han comenzado a anticiparse a sus objetivos de negocio sin preparar unos cimientos de calidad.

De forma incipiente, algunas empresas comienzan a colaborar con empresas de otras industrias para aplicar el dato a su propuesta de valor.

99 Ascendant 2019

5

1

2

3

4

7

10

11

¿Qué aplicaciones del dato y la analítica están impulsándose entre las empresas españolas?

8

9

6

101

Entre las empresas españolas, están despertando interés los siguientes casos de uso:

Inteligencia artificial para autonomía de plantas de producción, llevando un paso más allá los niveles de automatización, sensórica y analítica de datos que algunas empresas ya aplican, para optimizar el rendimiento, los costes y la seguridad.

Algoritmia con capacidades predictivas para optimización de cadena de suministro y abastecimiento para optimización de tiempos, costes y pricing.

Optimización de funciones back office: RPA para automatizar trabajo manual, visibilidad de recursos, reporting automático y con visión única. Se observa especial inquietud por su aplicación a la gestión de RRHH.

Desarrollo de analítica con visión customer centric, evolucionando hacia una visión del consumidor final en sectores con intermediarios: explotación de patrones de comportamiento para optimización de acciones publicitarias, predicción de comportamientos de compra y baja, acciones de retención.

Escucha activa en redes sociales para enriquecer el conocimiento explotable del cliente (opiniones sobre productos, preferencias de consumo, reputación de marca) y ampliar el conocimiento del mercado (acogida de nuevos lanzamientos, opiniones de expertos, preferencias de consumidores respecto a los competidores).

Maximización de la captación de datos del cliente y de la explotación de datos almacenados, mediante plataformas de interacción con el cliente con inteligencia artificial para ampliar las fuentes de captación

de datos del cliente y mediante nuevas capacidades de explotación de datos ociosos sobre el cliente (información de clientes infrautilizada, conversaciones de call center, encuestas de calidad).

Inteligencia artificial para personalización de la experiencia del cliente: IA en call center y asistentes, algoritmos de ordenación de oferta con aprendizaje automático, análisis de sentimiento a partir de la voz.

Integración de datos externos: colaboración con terceros, escucha en redes sociales, enriquecimiento de datos locales con datos de otras geografías, integración de datos entre filiales del grupo multiindustria.

Capacidades de predicción de fraude, enriquecidas con datos de redes sociales.

Ecosistemas del dato, incluyendo la posibilidad de adquisiciones, para enriquecer sus datos explotables, agilizar su capacidad de explotación y fomentar la colaboración entre empresas terceras con impacto en el negocio propio.

Mientras un 7% de las empresas españolas reconoce no tener en mente casos de uso a probar, argumentando necesitar orientación mientras evalúan sus prioridades en torno al dato, los casos de uso que las empresas españolas quieren probar mantienen la tendencia de los aplicados hasta ahora: tienen que ver con optimización de operaciones, tendiendo al tiempo real y la máxima autonomía, y el conocimiento del cliente, tendiendo a una visión 360º del consumidor final y la personalización de experiencias en tiempo real.

La escasa orientación hacia la innovación, de nuevo, demuestra cierto conservadurismo por parte de las empresas españolas en la experimentación en torno al dato.

Un pequeño grupo de empresas muestra inquietud por desarrollar sus capacidades de inteligencia, algo no observado en los casos implantados con éxito o en curso. La aspiración a mejorar sus capacidades de captación y explotación de datos ociosos, así como la inquietud por impulsar el enriquecimiento de datos con fuentes externas (redes sociales, empresas externas, datos de filiales internacionales o multiindustria) revelan cierta concienciación por desarrollar sus capacidades de gestión del ciclo de vida del dato, si bien hay mucho recorrido de mejora.

En cuanto a sus capacidades de seguridad, el fraude seguirá sigue un ámbito en desarrollo, si bien a las empresas les gustaría llevar las capacidades analíticas más allá e incorporar a los modelos predictivos información externa del contexto digital.

Finalmente, hay voluntad de explorar las posibilidades de los ecosistemas del dato, incluso planteando grandes redes colaborativas multiempresa y multi-industria.

101 Ascendant 2019

5

1

2

3

4

7

10

¿Qué aplicaciones del dato y la analítica querrían probar entre las empresas españolas?

8

9

6

103

Las empresas españolas invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Modelos predictivos aplicados a la gestión de infraestructuras (mantenimiento, calidad de producción).

Modelos digitales de abastecimiento, gestión de stock y almacenaje en base al dato.

Modelos de propensión de compra de clientes para optimización de opciones publicitarias y cross-selling.

Analítica web para analizar la conversión de los clientes.

Retención preventiva y primeros modelos de gestión de la insatisfacción.

Capacidades PLN aplicadas a la experiencia de cliente: call center y asistente virtual, traducción automática.

Intentos de democratización del dato: implementación de herramienta de explotación de datos para fomentar el autoservicio, dashboards disponibles a nivel compañía, informes en nueva solución tecnológica homogeneizada entre áreas.

Integración de fuentes internas y externas de datos.

Desarrollo de productos en torno al dato: dashboard de visualización de sus datos para el cliente, nuevos servicios basados en geolocalización.

Primeros modelos de detección de fraude.

Un sorprendente 30% de las empresas declara no tener todavía casos de uso fracasados. Es necesario impulsar la experimentación con el dato y la analítica con celeridad, fomentando la tolerancia al error probando sus posibilidades en dominios no convencionales.

Los casos de uso fracasados tienden a darse en los mismos ámbitos donde se han logrado los éxitos, ya que han sido aquellos donde las empresas han querido actuar en primer lugar: modelos predictivos para optimización de operaciones de producción y cadena de suministro y modelos de explotación del conocimiento del cliente. Estos intentos se perfeccionaron posteriormente, dando lugar a los casos de éxito que conocemos ahora.

Es destacable también la cantidad de intentos fallidos de democratización del dato. Observamos que estos casos se enfocaron desde la perspectiva de la implementación de tecnologías, ignorando la perspectiva de cambio cultural. Muchas empresas señalan la falta previa de gobierno del dato y una gestión del cambio insuficiente como principales motivos de estos fracasos; una minoría fracasaron por incompatibilidades tecnológicas surgidas durante el escalado que detuvieron este proceso.

Ha habido intentos aislados de incorporar información de diversas fuentes y de desarrollar productos adyacentes a la oferta tradicional en base al dato, que fracasaron, según las empresas entrevistadas, por un análisis insuficiente de las necesidades del cliente.

Los primeros modelos de detección de fraude también constituyeron en su día casos de uso fracasados, si bien las empresas siguen invirtiendo en ellos, generando casos de uso exitosos en la actualidad.

103 Ascendant 2019

5

1

2

3

4

¿Qué aplicaciones del dato y la analítica han fracasado entre las empresas españolas?

6

7

10

8

9

105

El dato y la analítica: ¿cómo los entienden las

empresas españolas?

Preguntas abiertas

Pocas empresas españolas tienen un entendimiento de los conceptos clave de la orientación al dato y la analítica de forma holística, atendiendo a su complejidad, sino que

predominan las visiones parciales y simplificadas típicas de las primeras fases de orientación al dato.

Hemos preguntado a las empresas españolas cómo entienden la orientación al dato. Desde cómo es para ellas el modelo de data driven organization, qué es para ellas el gobierno del dato y de la analítica, qué entienden por analítica,… Y hemos obtenido conclusiones sorprendentes que dan interesantes pistas sobre cómo plantean esta transformación nuestras empresas.

Gobierno del dato

Las empresas españolas todavía no entienden el gobierno del dato como la gestión de forma holística, sino que predominan las visiones parciales.

¿Qué es para los expertos Minsait el gobierno del dato? Conjunto de prácticas, funciones y procesos que facilitan la gestión del ciclo de vida del dato para asegurar no solo que se convierta en un activo de valor, sino que además garantice el cumplimiento de la obligaciones legales y éticas relacionadas con su consecución, almacenamientoy utilización.

¿Qué es para las empresas españolas? Menos de la mitad entienden el gobierno del dato de forma integral, cubriendo el ciclo de vida completo del dato. El 53% tienen visiones parciales del gobierno del dato.Para casi un cuarto, el gobierno del dato es asegurar el dato único; esto tiende a concentrarse en las primeras fases del ciclo de vida del mismo, donde la calidad de partida es clave para asegurar el valor del dato.Un 15% consideran que el gobierno son los cimientos para la gestión del dato: dotar a la organización de una estructura, sistemas y tecnologías que permiten esta gestión. Una minoría identifican el gobierno del dato con aspectos más básicos de la gestión del dato, como la trazabilidad o el cumplimiento y la seguridad.

¿Qué entiendes por gobierno del dato?

Conseguir una visión única (verdad absoluta)

Roles, procesos y herramientas

Lograr trazabilidad sobre el dato

Cumplimiento y seguridadEnfoqueholístico

Visión parcial 23 %

15 %

11 %

5 %

47% 53%

105 Ascendant 2019

5. Estudio de Madurez del Dato y la Analítica / Resultados Globales / Preguntas abiertas

107 Título del informe

Gobierno de la analítica La analítica

Ninguna empresa española tiene todavía un entendimiento sólido del gobierno de la analítica, al disponer la mayoría de algoritmia poco sofisticada.

Solo una minoría de empresas entienden la analítica con el grado de sofisticación máximo, mientras quedan escépticos que dudan de su valor real.

¿Qué es para los expertos Minsait el gobierno de la analítica? Es un procedimiento sistemático de evaluación y seguimiento de los algoritmos para garantizar en todo momento el respeto a los principios éticos de privacidad, equidad y transparencia en su aplicación y el establecimiento de un proceso de mejora continua sustentado en la valoración de su impacto y las razones que lo han condicionado, sean éstas técnicas o humanas.

¿Qué es para las empresas españolas? Todas las empresas tienen visiones parciales de lo que implica el gobierno de la analítica.Proporciones casi iguales de las empresas identifican el gobierno de la analítica con políticas (procedimientos, normas,…) del uso de los datos, no teniendo tanto en cuenta la tecnología que lo soporta (40%), y con una combinación tanto de políticas como de tecnologías (35%).Pocas empresas, solo un 11%, piensa en el gobierno de la analítica como los mecanismos clave para la generación de valor.Una minoría identifican este concepto con algunos de sus habilitadores básicos, como la tecnología y la visibilidad de los algoritmos a gestionar.

¿Qué es para los expertos Minsait la analítica? La analítica es la capacidad de inferir las relaciones de causa y efecto entre determinadas métricas clave del negocio a través de la comparativa con valores históricos o las diferencias entre valores actuales y predichos. Por tanto, puede tener una perspectiva histórica o una prospectiva que permite predecir los valores futuros o identificar patrones causales más complejos.

¿Qué es para las empresas españolas? La mayoría de empresas tienen un entendimiento de la analítica como un concepto poco sofisticado: un 47% lo identifican con el uso del dato para toma de decisiones, y un 18% con las herramientas que la soportan.Unas pocas empresas van un paso más allá: un 13% opina que analítica es sinónimo de capacidades predictivas, no solo de automatización, y el 18% entiende la analítica como la capacidad de utilizar modelos para reemplazar las capacidades humanas en la toma de decisiones.Existe una minoría residual escéptica, que opinan que se trata de una moda.

Política de uso de datos

Política y herramientas de uso de datos

Generación de impacto

Herramientas de uso de datos

Visibilidad 4%

9%

11%

35%

40% Uso de datos con el objetivo de toma de decisiones

Tecnología / Herramientas que a yudan a extraer valor del dato

Reemplazar un ser humano en la toma de decisiones

Predicción

Una moda; esceptico 4%

13%

18%

18%

47%

¿Qué entiendes por gobierno de la analítica?

¿Qué entiendes por analítica?

Ascendant 2019 107


109 Título del informe

Una Organización Orientada al Dato

Una minoría de empresas entiende el dato como activo estratégico de las compañías del futuro, lo que establece modelos de orientación al dato poco ambiciosos en el contexto actual.

¿Qué es para los expertos Minsait una Organización Orientada al Dato? Una Organización Orientada al Dato tiene el dato y la analítica como epicentro de su estrategia, de manera que se diferencia de la competencia basando su actividad diaria en la optimización apoyada en el dato (comercial, operacional, estratégica,…).

¿Qué es para las empresas españolas? El modelo de organización orientada al dato es poco ambicioso porque:Preocupantemente, pocas empresas piensan en el dato como activo al definir su modelo de organización orientada al dato: solo lo hacen un 13%.La mitad contempla una organización orientada al dato como aquella que toma decisiones de negocio en base al dato. Algunas tienen una visión básica: es una organización capaz de gobernar el dato (mecanismos, roles, dinámicas, tecnología) y tener cultura del dato extendida en toda la empresa.Pocas empresas limitan su modelo de oranización data driven a la gestión operacional en base al dato como herramienta de control y generador de eficiencia.Un 4% limita su concepto al dato como generador de client engagement.

La toma de decisiones en base a datos

Gobernar el dato y tener cultura de calidad del dato

El dato como activo estratégico

Dato como herramienta de control

La orientación al cliente 4%

12%

12%

14%

48%

¿Qué entiendes por una Organización Orientada al Dato?

Ascendant 2019


* el 9% reconoce tener una visión difusa del concepto de Organización Orientada al Dato.

111

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales

5.2.Resultados Sectoriales

Ascendant 2019 111

168

280

392

112

224

Consumo

336

196

308

420

448

Banca

140

252

364Sector Público

Infraestructuras y Construcción

Industria

Turismo

Farma

Energía

Empresas de Financiación

Media

Seguros

Telco

Retail

113

Banca

113 Ascendant 2019

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca

115 115

Amenazas digitales

Superada la crisis financiera, el sector bancario no ha dejado de aplicar medidas adoptadas a raíz de aquella, principalmente la reducción de la red de oficinas y la digitalización de servicios. El sector es consciente de la necesidad de no demorar por más tiempo la transformación de los negocios y los pagos digitales, en un contexto en el que las mayores amenazas no provienen de la propia industria, sino de los pujantes actores digitales.

La transformación: una necesidad

La banca asume que la transformación es un proceso largo, que requiere de grandes inversiones para reconducir sistemas legacy y modelos de negocio tradicionales hacia procesos integrados, ágiles y centrados en el cliente.Las estrategias de transformación se cimientan sobre la base del cambio cultural y la renovación tecnológica, principalmente el desarrollo de aplicaciones y el tratamiento de datos.

Nuevos modelos client centric

El dato ya no explica el pasado, sino que permite anticiparse a necesidades futuras. El nuevo modelo de data driven bank mejora la salud financiera del cliente (vía asesoramiento personalizado, presencia del banco en todos los momentos del customer journey, etc.), creando servicios de valor añadido como estrategia de fidelización.

¿Y la regulación?

El cumplimiento regulatorio y la adaptación del negocio al cambiante contexto legal siguen marcando gran parte de la agenda de la banca. La adecuación a MiFID 2, GDPR y PSD 2 exige cambios en áreas tradicionales del negocio y enorme dedicación de recursos. En cambio, la adaptación de normativas como RDA, con un marcado carácter de Gobierno del Dato, no ha servido para generalizar las buenas prácticas ni ampliar los ámbitos de aplicación para mejorar de forma global los datos y su disponibilidad en los bancos.

En un sector altamente regulado y que sigue paliando las secuelas de la crisis financiera, el nuevo escenario competitivo demanda

de forma urgente una transformación con el dato como sillar.

Banca

Los bancos entran en la pugna por el talento digital con los players tecnológicos, distanciándose poco a poco de la contratación de perfiles puramente financieros.

La nueva banca se sustenta sobre arquitecturas tecnológicas abiertas, que le doten de agilidad, escalabilidad, resiliencia y capacidad de conexión con ecosistemas colaborativos abiertos, en los que los bancos desempeñan el papel de hub de intercambio seguro de datos de clientes con terceros, sean del propio sector o transversales.

El escenario competitivo del banco digital del futuro se despliega sobre el tiempo real, la personalización, la ubicación de los servicios financieros, la anticipación de necesidades y la experiencia sin fisuras.

La Inteligencia Artificial se erige como la tecnología más prometedora, capaz de articular un modelo de banca de mayor valor añadido para el cliente y mayor eficiencia en términos de infraestructura física y humana. Es necesario entender que no se trata tanto de aplicar IA al modelo de negocio actual, sino de utilizarla para evolucionar hacia nuevas propuestas de negocio.

Transformación cultural


Foco en cliente digital

Innovación basada en IA

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca

Ascendant 2019

¿Hacia dónde va el sector?La opinión de Minsait

117 117

La irrupción de nativos digitales (GAFA, fintechs, retailers, etc.) pone en jaque el modelo de banca tradicional, incluida la relación con el cliente.

Sin embargo, sólo la mitad de los bancos ha reaccionado revisando el enfoque de su estrategia del dato.

Banca

Habilitadores Digitales

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Habilitadores Digitales

Ascendant 2019

Todos los bancos entrevistados afirman conocer claramente cómo impacta el dato en su sector, lo que dota de una dirección clara a las estrategias específicas para evolucionar hacia Organización Orientada al Dato, ya desarrolladas en el 88% de los bancos.En cuanto a la toma de decisiones estratégicas basadas en la analítica, esta práctica es incipiente: sólo un 13% la emplea para la toma de decisiones que implican una inversión o impacto severo en el negocio.

La dirección lidera los proyectos del dato y la analítica, con una visión top-down en la totalidad de los bancos. Igualmente, la figura del CDO está ampliamente extendida en el sector, presente en un 88% de los bancos. En dos tercios de los bancos ya se han creado mecanismos de gobierno del dato robustos, bien sea en modelo centralizado o federado, con roles, responsabilidades y políticas definidas. Sin embargo, sólo un cuarto de los bancos entrevistados reconoce asegurar la calidad de su algoritmia mediante un gobierno de la inteligencia bien desarrollado.

Las infraestructuras on premise todavía predominan en el sector, aunque tres cuartos de los bancos tiene previsto migrar a entornos en la nube, ya sea pública o privada. Un 25% de los bancos ya opera sobre infraestructuras cloud, y un 12% trabaja en una nube híbrida con una combinación de modelos IaaS/PaaSRespecto al procesamiento de la información, el 50% de los bancos entrevistados dispone de equipos formados en lenguajes como R o Phyton, capaces de implementar modelos de machine learning, dejando atrás métodos de análisis más tradicionales.La mitad de los bancos ya se ha decantado por los entornos de integración continua para el ámbito analítico.

La adaptación de su capital humano es el mayor reto al que se enfrentan los bancos en la evolución hacia una organización orientada al dato: sólo el 38% de los bancos afirma que la cultura del dato -entendida como conciencia de calidad del dato, familiarización con sus oportunidades y toma de decisiones a partir del dato- está extendida de forma homogénea en su organización, y sólo un 25% asegura contar con los perfiles especializados necesarios.

Estrategia


Cultura & Talento

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades

NFT Democratización


Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato









Preparación de la organización para la orientación al dato España

Preparación de la organización para la orientación al dato Banca

Promedio Situación actual Promedio Aspiración de medio plazo NFT: Nuevas Formas de Trabajo

119 119







Nivel de coherencia entre estrategia del dato y

estrategia de la compañía



Habilitadores Digitales, Estrategia Banca

Habilitadores Digitales, Estrategia España


• Todos los bancos entrevistados afirman conocer claramente cómo impacta el dato en su sector, lo que dota de una dirección clara a las estrategias específicas para evolucionar hacia Organizaciones Orientadas al Dato, ya desarrolladas en el 88% de los bancos

• Sin embargo, incluso a pesar de la irrupción de nuevos players, sólo un 50% de los bancos afirma tener un enfoque basado en la creación de relaciones de valor con el cliente o el impulso de

negocios disruptivos a partir del dato y la analítica. El enfoque centrado en la optimización de procesos empieza a quedar anticuado con la irrupción de nuevos players, pero la mitad de los bancos sigue aferrándose a él

• En cuanto a la toma de decisiones estratégicas basadas en la analítica, esta práctica es incipiente: sólo un 13% la emplea para la toma de decisiones que implican una inversión o impacto severo en el negocio

Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Habilitadores Digitales / Estrategia

Ascendant 2019

Banca


La irrupción de nativos digitales (GAFA, fintechs, retailers, etc.) pone en jaque el modelo de banca tradicional, incluida la relación con el cliente.

Sin embargo, sólo la mitad de los bancos han reaccionado revisando el enfoque de su estrategia del dato.

121 121





Gobierno de inteligencia




Gobierno del dato

Gobierno del dato



Habilitadores Digitales, Organización Banca

Habilitadores Digitales, Organización España


• La dirección lidera los proyectos del dato y la analítica, con una visión top-down en la totalidad de los bancos. Igualmente, la figura del CDO está ampliamente extendida en el sector, presente en un 88% de los bancos. Entre estos, en un 25% se comparte el liderazgo entre CDO y perfiles TI (CTO, CIO)

• El 63% de los bancos afirma contar con los recursos necesarios para impulsar estos proyectos; sin embargo, sólo un 38% es capaz de medir con precisión el impacto de las inversiones realizadas

• En dos tercios de los bancos ya se han creado mecanismos de gobierno del dato robustos, bien sea en modelo centralizado o federado, con roles, responsabilidades y políticas definidas. Sin embargo, sólo un cuarto de los bancos entrevistados reconoce asegurar la calidad de su algoritmia mediante un gobierno de la inteligencia bien desarrollado

Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Habilitadores Digitales / Organización

Ascendant 2019

Banca


Si bien existe una estructura organizacional que favorece la orientación al dato, los bancos necesitan reforzar el gobierno del dato y, especialmente,

construir su gobierno de la inteligencia.

123

Habilitadores Digitales, Cultura y Talento España

Mentalidad

Mentalidad

Capacidades

Capacidades

Nuevas formas de trabajo, divulgación


Nuevas formas de trabajo, democratización


Nuevas formas de trabajo, metodologías


123

Habilitadores Digitales, Cultura y Talento Banca


• La adaptación de su capital humano es el mayor reto al que se enfrentan los bancos en la evolución hacia una Organización Orientada al Dato: sólo el 38% de los bancos afirma que la cultura del dato -entendida como conciencia de calidad del dato, familiarización con sus oportunidades y toma de decisiones a partir del dato- está extendida de forma homogénea en su organización, y sólo un cuarto asegura contar con los perfiles especializados necesarios. A medio plazo, todos confían en haber orientado completamente su mentalidad y capacidades hacia el dato

• En cuanto a las formas de trabajo en torno al dato, los bancos necesitan, claramente, una modernización en su enfoque: un 37% indica que el grado de democratización del dato en su organización es bajo o nulo. Mientras aseguran el gobierno máximo de su dato, estos bancos cuentan de manera prudencial con un modelo tradicional de data owners. En cuanto a las metodologías de proyectos, si bien todos aspiran a implementar las nuevos métodos (agile, scrum, etc.), un 62% de los bancos sigue empleando todavía metodologías tradicionales. Un aspecto positivo es que un 63% de los bancos cuenta con mecanismos de divulgación para compartir los productos del dato, de manera que otras áreas puedan aplicarlos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Habilitadores Digitales / Cultura & Talento

Cultura& Talento

Ascendant 2019

Banca


Independientemente del tamaño de cada banco, es imprescindible trabajar el capital humano que materializará la estrategia del dato, familiarizando a éste con las posibilidades del dato y dotando los perfiles especialistas necesarios.

125

Infraestructura

IngestaSW Management

AlmacenamientoData Governance

ProcesamientoExplotación

125

Habilitadores Digitales, Tecnología Banca

Habilitadores Digitales, Tecnología España

Infraestructura





• Las infraestructuras on premise todavía predominan en el sector, aunque tres cuartos de los bancos tiene previsto migrar a entornos en la nube, ya sea pública o privada. Un 25% de los bancos ya opera sobre infraestructuras cloud, y un 12% trabaja en una nube híbrida con una combinación de modelos IaaS/PaaS

• Respecto al procesamiento de la información, el 50% de los bancos entrevistados dispone de equipos formados en lenguajes como R o Phyton, capaces de implementar modelos de machine learning, dejando atrás métodos de análisis más tradicionales

• Dos tercios de los bancos disponen de herramientas para facilitar el gobierno del dato (diccionarios y glosarios de datos, componentes específicos para mejorar la calidad del dato)

• La mitad de los bancos ya se han decantado por los entornos de integración continua para el ámbito analítico

Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Habilitadores Digitales / Tecnología

Ascendant 2019

Banca


Los bancos cuentan con un nivel moderado de desarrollo de sus tecnologías del dato y la analítica, que trabajan por evolucionar: mientras transitan hacia

modelos cloud, han creado entornos Big Data y datalakes.

127

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Inteligencia

Ascendant 2019

Un dato sorprendente es que sólo una cuarta parte de los bancos enriquece sus datos internos con la monitorización continua del entorno, desaprovechando así la infinidad de posibilidades de conocimiento del mercado y los clientes que el contexto digital facilita. Más agravante, sólo un 38% espera hacerlo en un plazo medio.En cuanto a la tipología de dato que captan, el 12% de los bancos capta exclusivamente dato estructurado, el 62% capta dato estructurado y voz y el 25% capta desde dato estructurado hasta vídeo. Existen múltiples iniciativas o pilotos para captar vídeo y voz.

EscuchaOtro dato sorprendente es el escaso desarrollo de los mecanismos de aprendizaje: sólo un 13% de los bancos cuenta con ellos en sus modelos analíticos, para anticiparse a una acción actual en base al histórico de datos, es decir, a los comportamientos previos. Esta capacidad se traduce en valiosas aportaciones, como perfilados del cliente más precisos, scoring en tiempo real o préstamos al consumo digital (digital lending), que actualmente los bancos podrían aprovechar mejor: un 75% esperan hacerlo en el medio plazo.

Actúa

Respecto al almacenamiento de datos ociosos, la mayoría de los bancos admite captar datos que no utiliza, aunque la mitad dispone de un plan de futuro para su explotación. Sólo un 25% de los bancos es capaz de explotar datos desestructurados dejando un mínimo de datos ociosos, pero ninguno es capaz de explotar toda la variedad de datos que capta; sólo un cuarto de los bancos estima que será posible explotar todos los datos que capta en un plazo de 3 a 5 años.

Analiza

Banca

InteligenciaCapacidades de gestión del dato: Inteligencia Banca

Capacidades de gestión del dato: Inteligencia España









Aprendizaje y adaptación


Impacto de conclusiones analíticas


Escucha

Actúa

Analiza

127 Promedio Situación actual Promedio Aspiración de medio plazo

La integración de datos externos y la explotación completa de la información de los clientes son los principales desafíos de la banca: sólo desarrollando

las capacidades de inteligencia, los bancos extraerán el máximo valor al volumen ingente de información a su alcance.

Escucha

Actúa

Analiza

129

Avances en la orientación al dato de la organización España








Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Dimensiones

Ascendant 2019

Banca

Dimensiones

129

Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Banca









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

A pesar de estar siempre atentos a las innovaciones digitales, sólo un 43% de los bancos dispone de un observatorio del dato (automatizado en un14% de los bancos) o función equivalente para el descubrimiento de nuevas tecnologías y oportunidades de explotación relacionadas con el dato y la analítica, sea en su sector o en otros (Telecomunicaciones, Retail, etc.). Los nuevos servicios de valor añadido generados a partir de la explotación del dato contribuyen a fidelizar al cliente y evitan la competencia vía precios en productos excesivamente comoditizados, una práctica que ha erosionado los márgenes de los bancos en los últimos años. Esto ha movido al 86% de los bancos a diseñar su propuesta de valor en torno al dato y la analítica.

Innovación

A la vez que el de mayor potencial, la información personal es el activo más delicado que posee la banca; por eso, no se escatiman recursos para su garantizar la integridad y privacidad de los datos. Todos los bancos aseguran la anonimidad de sus datos, aunque sorprende que todavía un 21% tenga pendiente reforzar las garantías de seguridad de sus datos frente a accesos indeseados.Se observa un moderado aprovechamiento de la capacidad del dato y la analítica a la hora de proteger el negocio: sólo la mitad de los bancos utiliza datos del entorno para predecir cambios que pueden suponer un riesgo para su negocio, y, sorprendentemente.

Protección

Lentamente, la banca deja atrás métodos manuales de gestión de la información y automatiza los procesos del back office, principalmente en las áreas financiera -donde un 38% de los bancos cuenta con capacidades predictivas-, y legal -donde empiezan a implementarse los primeros modelos predictivos, establecidos ya en el 15% de los bancos. Desaprovechando el potencial de los modelos predictivos, todos los bancos cuentan con modelos básicos de optimización en las áreas de RRHH y Sistemas, limitándose a modelos tradicionales.

Operaciones

Todos los bancos recopilan datos de la interacción con el cliente, con el objetivo de reducir los puntos de fricción en sus costumer journeys y facilitar al máximo la personalización de productos y servicios; dos tercios monitorizan continuamente su experiencia para adaptar su propuesta de valor. La normativa PSD2 facilita la incorporación de datos de fuentes externas para enriquecer el conocimiento del cliente. Respecto a su posición y la de sus competidores en el mercado, sólo el 38% de los bancos recopila información de manera automatizada para analizar el posicionamiento de la competencia, pricing, cuotas de mercado, etc.

Cliente

Las operaciones son clave en la diferenciación del servicio al cliente bancario. Entre los bancos españoles, presentan mucho recorrido de mejora

en cuanto a optimización inteligente.

SO: Soporte de la Operación

131

• A pesar de estar siempre atentos a las innovaciones digitales, sólo un 43% de los bancos dispone de un observatorio del dato (automatizado en un14% de los bancos) o función equivalente para el descubrimiento de nuevas tecnologías y oportunidades de explotación relacionadas con el dato y la analítica, sea en su sector o en otros (Telecomunicaciones, Retail, etc.)

• Los nuevos servicios de valor añadido generados a partir de la explotación del dato contribuyen a fidelizar al cliente y evitan la competencia vía precios en productos excesivamente comoditizados, una práctica que ha erosionado los márgenes de los bancos en los últimos años. Esto ha movido al 86% de los bancos a diseñar su propuesta de valor en torno al dato y la analítica, evolucionando el producto en torno a estos

• Es preciso reforzar el descubrimiento de oportunidades basadas en la analítica de datos, que sólo llevan a cabo un 29% de los bancos; de éstos, sólo la mitad realiza simulaciones de entrada en otros mercados no convencionales. Por otro lado, menos del 30% participa activamente en ecosistemas del dato, aún en escalado y con vocación de innovación colaborativa. Este tipo de ecosistemas, compartido con empresas de nicho, players tecnológicos o startups, es crucial para que empresas tradicionales aceleren su evolución hacia el modelo Organizaciones Orientadas al Dato

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Dimensiones / Innovación

Innovación

Ascendant 2019

Banca

Dimensiones

Dimensiones, Innovación España





Observación del dato




131

Dimensiones, Innovación Banca

Impulsados por la comoditización de su producto, la mayoría de los bancos afirma que su propuesta de valor está fuertemente basada en el dato;

sin embargo, necesitarán cualificados partners para explotar su capacidad de innovación en base al dato.


133

Dimensiones, Cliente España

133

Dimensiones, Cliente Banca



Marca

Marca






• Todos los bancos recopilan datos de la interacción con el cliente, con el objetivo de reducir los puntos de fricción en sus costumer journeys y facilitar al máximo la personalización de productos y servicios; dos tercios de ellos monitorizan continuamente su experiencia para adaptar su propuesta de valor. La normativa PSD2 facilita la incorporación de datos de fuentes externas para enriquecer el conocimiento del cliente

• A partir de la recopilación y análisis exhaustivo de información y datos, surgen nuevas oportunidades y retos en la relación con el cliente: modelizaciones, propensión de compra, scoring de riesgos, sendas y predicción de abandono, identificación de clientes potenciales, etc. Sin embargo, apenas un 13% de los

bancos enriquece el conocimiento de sus clientes con fuentes variadas de información

• Respecto a su posición y la de sus competidores en el mercado, sólo el 38% de los bancos recopila información de manera automatizada para analizar el posicionamiento de la competencia, pricing, cuotas de mercado, etc. Es llamativa la utilización de informes de mercado y fuentes oficiales, a menudo como única referencia utilizada

• Poco más de un 40% aprovecha las capacidades de escucha activa y análisis inteligente del contexto digital para la gestión de su reputación en redes sociales

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Dimensiones / Cliente

Cliente

Ascendant 2019

Banca

Dimensiones

Los bancos consideran el conocimiento del cliente como la clavepara la diferenciación; sin embargo, necesitan reforzar

su conocimiento y del mercado.

135

Dimensiones, Operaciones España

135

Dimensiones, Operaciones Banca




Soporte a la operación - RRHH


Gestión de activos - construcción, mantenimiento, explotación












• Lentamentes, la banca deja atrás métodos manuales de gestión de la información y automatiza los procesos del back office, principalmente en las áreas financiera -donde un 38% de los bancos cuenta con capacidades predictivas-, y legal -donde empiezan a implementarse los primeros modelos predictivos, establecidos ya en el 15% de los bancos

• Desaprovechando del potencial de los modelos predictivos, todos los bancos cuentan con modelos básicos de optimización en las áreas de RRHH,

limitándose a la gestión de la productividad. En el área de sistemas, el 75% emplea los mismos modelos básicos, si bien en este ámbito todos los bancos disponen de herramientas de reporting de incidencias y monitorización de sistemas 24x7

• El 20% de los bancos mejora en tiempo real su mapa de procesos usando el dato, y otro 40% incorpora datos en algún momento para la optimización de sus procesos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Dimensiones / Operaciones

Operaciones

Ascendant 2019

Banca

Dimensiones

Las operaciones son clave en la diferenciación del servicio al cliente bancario. Entre los bancos españoles, presentan mucho recorrido de mejora

en cuanto a optimización inteligente.

137

Dimensiones, Protección España

137

Dimensiones, Protección Banca

Fraude

Privacidad

Privacidad

Riesgos

Riesgos

Regulación internacional




Regulación nacional


Fraude


• A la vez que el de mayor potencial, la información personal es el activo más delicado que posee la banca; por eso, no se escatiman recursos para su garantizar la integridad y privacidad de los datos. Todos los bancos aseguran la anonimidad de sus datos, aunque sorprende que todavía un 21% tenga pendiente reforzar las garantías de seguridad de sus datos frente a accesos indeseados

• Se observa un moderado aprovechamiento de la capacidad del dato y la analítica a la hora de proteger el negocio: sólo la mitad de los bancos utiliza datos del entorno para predecir cambios que pueden suponer un riesgo para su negocio, y, sorprendentemente, sólo un 40% de los bancos

emplea algoritmos predictivos para detectar riesgos de fraude o morosidad. Un 28% todavía tiene pendiente aplicar algún modelo analítico para la prevención de fraude en sus operaciones

• Todos los bancos llevan a cabo auditorías periódicas para garantizar el cumplimiento de la GDPR. Sin embargo, sólo un 63% afirma disponer de directrices claras, evaluables cuantitativamente, para asegurar el cumplimiento de la normativa nacional en el tratamiento de los datos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Dimensiones / Protección

Protección

Ascendant 2019

Banca

Dimensiones

La banca ha invertido recursos asegurar la anonimidad de los datos que maneja, si bien puede extraer más provecho del dato como medio de

protección de su negocio.

139

¿Qué aplicaciones del dato y la analítica han funcionado bien en el sector?

Los bancos declaran haber implementado con éxito los siguientes casos de uso:

Centralización del dato y de los cuadors de mando, para eficientar la gestión de la información, eliminar silos y minimizar las “dobles visiones” del dato.

Implementación de herramientas que faciliten el autoconsumo internamente para favorecer la democratización del dato.

Evolución hacia plataformas Big Data y nuevas tecnologías para asegurar la gestión del dato de forma ágil y efectiva.

Aplicaciones para el cliente, algunas en colaboración con startups, para conocer al cliente y el mercado y utilizar los datos recabados con varios fines (comerciales, riesgos,…).

Visibilidad real time de acciones del cliente para gestión de experiencia del cliente en tiempo real mediante acciones automáticas por parte de la entidad.

Muchos de los proyectos que los bancos entienden como exitosos se centran en la usabilidad del dato: el gobierno del dato, su disponibilización y la preparación de los sistemas tecnológicos para una explotación óptima que permita extraer todo el valor.

Aparte de asegurar esta base, han funcionado las iniciativas relacionadas con el conocimiento del cliente a través de la interacción digital con fines de maximización de ventas, retención y minimización de riesgos.

¿Qué aplicaciones del dato y la analítica están impulsándose en el sector?

Los bancos afirman estar invirtiendo especialmente en los siguientes casos de uso:

Transformación tecnológica: entorno Big Data, data lake, plataforma analítica,… para asegurar la gestión del dato de forma ágil y efectiva.

Diseño e implementación de un gobierno del dato común en toda la entidad para garantizar la calidad y visión única del dato.

Modelos analíticos (riesgos, pricing,…) para gestión eficiente del negocio.

Reporting inteligente, tanto interno como hacia organismos oficiales, para eficientar el proceso al tiempo y asegurar la trazabilidad y precisión de éstos.

Los máximos esfuerzos se están destinando a la evolución tecnológica del legacy de las entidades para preparar su infraestructura tecnológica para la realidad del dato y la analítica.

El gobierno del dato es otra inversión prioritaria, ya que los bancos conciben la calidad del mismo como un mínimo indiscutible que asegura el valor del mismoOtros usos internos, como los modelos analíticos de gestión o el reporting inteligente, también están recibiendo atención por parte del sector.

¿Qué aplicaciones del dato y la analítica querrían probar las empresas del sector?

Entre los bancos, están despertando interés los siguientes casos de uso:

Integración de datos de diversas fuentes (entre áreas, entre geografías, datos externos) para asegurar la visión global.

Trabajar capacidades de captación y explotación de nuevos datos no estructurados (voz, mail, vídeo) para ampliar la visión sobre el cliente final.

Ecosistemas del dato con startups o empresas de otros sectores para extraer valor de los datos compartidos.

Evolución de las tecnologías del dato en toda la organización para asegurar la accesibilidad y explotación en toda la organización, así como el completo aprovechamiento de datos ociosos de clientes para extraer todo el valor comercial.

Cumplimeinto inteligente para eficientar la función legal de back office.

Los bancos aspiran a ampliar la visión que tienen sobre el cliente para atrapar oportunidades de venta y de desarrollo de nuevos negocios. Consideran que la integración de datos de múltiples fuentes internas y externas es un gran reto en el sector, que, de superarse, aportaría una base explotable muy rica.Otras formas de enriquecer su base explotable es apostar por datos desestructurados y los ecosistemas del dato.

A nivel interno, la transformación de las tecnologías propias asegurarían un óptimo uso interno de los datos captados y los modelos analíticos aplicados a funciones back office eficientarían funciones actualmente intensivas en manualidad.

¿Qué aplicaciones del dato y la analítica han fracasado en el sector?

Los bancos invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Implementación de nuevas tencologías del dato como base para su gestión.

Todos los proyectos del dato fracasados se centran en implementación de tecnologías y herramientas de explotación del dato; las entidades afirman que fracasaron por gestión insuficiente de la integración de estas tecnologías en el banco.

¿Cuáles son las prioridades de las empresas del sector Banca?

139 Ascendant 2019

5

1

2

3

4

1

2

3

4

1

2

3

4

5

1

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Banca / Casos de uso

141

Consumo

141

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo

Ascendant 2019

143 143

El reto de conocer al cliente y su intermediación

Debido a la presencia de numerosos intermediarios, las empresas del sector consumo muestran mejor conocimiento del canal o el distribuidor que del cliente final. No obstante el sector muestra iniciativas de mejora en el conocimiento de clientes (Distribución moderna y Horeca), distribuidores y consumidores.

Avance de la transformación Las iniciativas de transformación hacia DDO se encuentran en general en fases poco maduras. Por el momento, dichas iniciativas se centran en la captura, depuración y segmentación de información. La gran dispersión de fuentes complica la labor de explotación del dato.

Inteligencia Es necesario potenciar el uso de la inteligencia para extraer mayor partido de la información, así como fomentar la implantación de arquitecturas tecnológicas que soporten el procesamiento global y transversal de la información. El tratamiento de los datos en el sector es aún muy tradicional, con escasa implantación de tecnologías avanzadas.

Presupuestos Las políticas vinculadas al dato encuentran escaso acomodo dentro de los presupuestos de las organizaciones. Igualmente, se observa escasa concienciación interna, siendo necesario un impulso por parte de los niveles jerárquicos superiores para difundir y consolidar la cultura del dato y desarrollar las distintas iniciativas posibles.

Pese a estar presente en muchas empresas, la transformación hacia la Organización Orientada al Dato está pendiente de la concreción de planes

de transformación así como la implantación de un liderazgo definido.

Consumo

El sector evoluciona hacia modelos híbridos B2B2C, en los que el canal de intermediación cede protagonismo para tender vías más directas entre empresas y consumidores, bien a través de marketplaces verticales con desintermediación de la distribución.

Es necesario definir la manera en que un mayor conocimiento del cliente impactará en dichos modelos de distribución B2B2C.

En un entorno cada vez más dinámico y agresivo de promociones constantes, la presencia destacada en el lineal, se traduce en una batalla encarnizada por el posicionamiento de la marca y el surtido en el retailer. Las nuevas tendencias en el sector pasan por el desarrollo de nuevas iniciativas de analítica del dato para lograr ganar en este importante reto.

Unir los intereses de todos los intervinientes de la cadena de valor (productores, fabricantes, distribuidores, retaileres, empresas de reciclaje) se torna en una asignatura vital para la supervivencia de las empresas del sector y su diferenciación en un entorno de alta competitividad.

Nuevos modelos de comercialización

Conocimiento de clientes

Ganar la batalla del lineal

Los ecosistemas extendidos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo

Ascendant 2019

El conocimiento del cliente final es fundamental para desarrollar estrategias B2C apoyadas en el dato y la analítica


145 145

Para poder afrontar un proceso de evolución hacia la data driven, son necesarios la concreción de planes estratégicos de transformación,

la involucración de la primera línea directivo y la dotación de talento digital especializado.

Consumo


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Habilitadores Digitales

Ascendant 2019

Mientras el principal desafío para las empresas de consumo es conocer mejor al consumidor final, proceso que demanda cambiar sus estrategias de venta y enfocarlas al dato, actualmente sólo el 38% de estas empresas dispone de una estrategia clara en cuanto al dato y su analítica. Esta falta de claridad provoca que sólo el 31% de las empresas cuente con un programa de transformación hacia una DDO lo suficientemente bien definido.El sector se muestra excesivamente pasivo, con falta de agresividad, a la hora de afrontar la transformación hacia una organización orientada al dato, en general con una actitud de reserva a la espera de los movimientos de la competencia.

La falta de convicción en un futuro construido sobre el dato y la analítica afecta a las políticas de gobierno: solo el 63% de las empresas reconoce que la dirección está comprometida con la orientación al dato de la compañía. Esa falta de visión y de programas repercute en la estructura de liderazgo: sólo el 38% de las empresas han definido un esquema de liderazgo claro para la transformación en OOD. Sin embargo, el área crítica es el gobierno del dato: sólo el 19% de las empresas afirma disponer de un gobierno del dato robusto, lo que implica que el 81% tiene iniciativas dispersas, por silos o no gobiernan su dato en absoluto.

El 60% de las empresas dispone de infraestructuras on premise, sucediendo en la mayoría de casos (80% de las empresas) los procesos de ingesta en Batch. Solo un 20% de las empresas entrevistadas combina la captura de información en tiempo real con los procesos Batch. La explotación de los datos suele abordarse de forma tradicional: pocas empresas utilizan técnicas como R o Phyton y sólo el 30% de las empresas dispone de herramientas específicas para facilitar el gobierno del dato, si bien estas son básicas y carecen visión unificada (por ejemplo, MDM).

Dada la orientación natural del sector hacia la atención al distribuidor, la cultura del dato está poco integrada: apenas un 44% de empresas declara contar con una cultura del dato asimilada de forma matricial, mientras que el resto la echa en falta en toda la organización. Ante esta situación, es llamativo que sólo un 13% de las empresas entrevistadas está realizando acciones evangelizadoras formales para arraigar en sus plantillas la cultura del dato.En cuanto a capacidades especialistas en dato y analítica, el 87% de las empresas admite no tener el talento necesario para abordar todos los proyectos que se están ejecutando en sus empresas.

Estrategia


Cultura & Talento

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Consumo


147 147





Habilitadores Digitales, Estrategia Consumo








• Mientras uno de los principales desafíos para las empresas de consumo es conocer mejor al cliente y al consumidor final, proceso que demanda cambiar sus estrategias de venta y enfocarlas al dato, actualmente sólo el 38% de estas empresas dispone de una estrategia clara en cuanto al dato y su analítica. Esta falta de claridad provoca que sólo el 31% de las empresas entrevistadas cuente con un programa de transformación hacia una DDO lo suficientemente bien definido

• El sector se muestra excesivamente pasivo a la hora de afrontar la transformación hacia Organizaciones

Orientadas al Dato, en general con una actitud de reserva a la espera de los movimientos de la competencia, y mostrando falta de ambición y agresividad. Para el 77% de las empresas, lo más importante es la eficiencia operativa

• También está pendiente un cambio de mentalidad fundamental en la primera línea directiva, que debe incorporar la cultura del dato a la toma de decisiones estratégicas: ninguna de las empresas emplea modelos analíticos para el contraste de decisiones de alto impacto en el negocio

Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Habilitadores Digitales / Estrategia

Ascendant 2019

Consumo


Para hacer realidad los procesos de cambio, es necesaria una mayor concreción de las estrategias de transformación, así como un compromiso real

por parte de la primera línea directiva.


149 149



Gobierno de inteligencia Claridad de Roles y liderazgo de la Organización Orientada al Dato

Gobierno del dato


Habilitadores Digitales, Organización Consumo





Gobierno del dato



• La falta de convicción en un futuro construido sobre el dato y la analítica afecta a las políticas de gobierno: solo el 63% de las empresas reconoce que la dirección está comprometida con la orientación al dato de la compañía. Esa falta de visión y de programas repercute en la estructura de liderazgo: sólo el 38% de las empresas han definido un esquema de liderazgo claro para la transformación en Organizaciones Orientadas al Dato

• Un área que claramente demanda nuestro análisis es la dotación de recursos: sólo un 19% afirma contar con un presupuesto exclusivo y suficiente para los proyectos de dato y analítica, mientras que, una vez aprobados éstos, sólo son capaces de medir su impacto el 6%. De esta manera, es difícil priorizar las iniciativas a acometer o discontinuar para optimizar las inversiones

• Sin embargo, el área crítica es el gobierno del dato: sólo el 19% de las empresas afirma disponer de un gobierno del dato robusto, lo que implica que casi el 80% tienen iniciativas dispersas, que las empresas reconocen que se trabajan por silos, o no gobiernan su dato en absoluto. Ante este escenario, sólo un 27% de las empresas entrevistadas ya tienen o está en construcción un gobierno del dato centralizado o federado

• Respecto al gobierno de analytics, el 79% reconocen no gobernar su algoritmia. Esto se debe, en parte, a que el 53% de las empresas entrevistadas admiten que a día de hoy no tiene modelos predictivos

Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Habilitadores Digitales / Organización

Ascendant 2019

Consumo


La falta de claridad y la escasa dotación de recursos destinados en exclusiva a la analítica del dato lastran las iniciativas de transformación.

151


Mentalidad

CapacidadesNuevas formas de trabajo, divulgación



151

Habilitadores Digitales, Cultura y Talento Consumo

Mentalidad





• La cultura del dato está poco integrada: apenas un 44% de empresas declara contar con una cultura del dato asimilada de forma matricial, mientras que el resto la echa en falta en toda la organización. Ante esta situación, es llamativo que sólo un 13% de las empresas entrevistadas está realizando acciones evangelizadoras formales para arraigar en sus plantillas la cultura del dato

• En cuanto a capacidades especialistas en dato y analítica, el 87% de las empresas admite no tener el talento necesario para abordar todos los proyectos que se están ejecutando en sus empresas

• Esta cultura tendente a ser tradicional se refleja en las formas de trabajar en torno al dato. Por un lado, la democratización tampoco está arraigada: sólo el 13% facilitan autoservicio casi total en el uso del dato; por otro lado, el 81% de las empresas no aplican metodologías ágiles todavía y sólo el 19% dispone de mecanismos de divulgación para difundir las aplicaciones en dato y analítica

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Habilitadores Digitales / Cultura & Talento

Cultura& Talento

Ascendant 2019

Consumo


La mentalidad tradicional del sector, unida a la escasez de talento y a la falta de metodologías ágiles, supone otro serio impedimento para el despegue

hacia Organizaciones Orientadas al Dato.

153 153

Habilitadores Digitales, Tecnología Consumo


Infraestructura




Infraestructura





• El 60% de las empresas disponen de infraestructura on premise, siendo en la mayoría de casos los proceso de ingesta en Batch (en el 80% de las empresas). Solo hay un 20% de las empresas entrevistadas que combine la captura de información tanto en real time como en procesos Batch

• La explotación de los datos suele abordarse de forma tradicional: pocas empresas utilizan técnicas como R o Phyton y sólo el 30% de las empresas disponen de herramientas específicas para facilitar el gobierno del dato, si bien estas son básicas y todas carecen visión unificada (por ejemplo, MDM)

Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Habilitadores Digitales / Tecnología

Ascendant 2019

Consumo


La tecnología, habilitador clave para extraer el valor del dato y la analítica, está desarrollada por debajo de niveles óptimos.

155

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Inteligencia

Ascendant 2019

Respecto a los procesos de escucha, sólo el 20% de las empresas cuentan con capacidades de escucha externa, además de observarse una clara tendencia a centrarse en los datos estructurados: el 50% de las empresas capta sólo dato estructurado; el resto captan, además, texto o imagen, y sólo un 6% afirma captar vídeo.

EscuchaRespecto a las decisiones operativas, sólo el 31% de las empresas declara utilizar los resultados de la analítica de datos en las decisiones diarias.

Actúa

En cuanto al análisis de los datos, en este sector faltan mecanismos de reaprendizaje en los modelos analíticos: sólo el 19% admite tener mecanismos para áreas concretas (cálculo automático de pedidos, promociones, etc.). Además, abunda el almacenamiento de datos ociosos, con un 93% de las empresas captando datos que no saben cómo utilizar o explotar.

Analiza

Consumo

InteligenciaCapacidades de gestión del dato: Inteligencia Consumo















Como asignaturas pendientes, las empresas necesitan mejorar los procesos de escucha, para potenciar los mecanismos de analítica e incorporar

los resultados a la toma de decisiones.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

157









Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Dimensiones

Ascendant 2019

Sólo un 6% de empresas afirma disponer de funciones de monitorización del entorno para detectar nuevas fuentes de negocio tanto en su sector como en otros sectores; ninguna de ellas basa estos procesos en IA.A pesar de conceder importancia a la customización de la propuesta de valor en torno al dato, hay mucho camino que recorrer: un 44% de empresas todavía no ha iniciado acciones al respecto.Respecto a un observatorio que ayude a identificar tecnologías relacionadas con el dato y su explotación, sólo el 13% cuenta con un observatorio con modelos analíticos sencillos.

Innovación

Los niveles máximos de capacidad de protección se centran en garantizar la seguridad del acceso al dato y la anonimización de los mismos, con un 73% y 85% de empresas, respectivamente, logrando niveles adecuados de protección del dato.Finalmente, las empresas necesitan refinar su capacidad de utilizar el dato como fuente de protección ante ataques, dado que sólo el 14% dispone de modelos para prevenir acciones fraudulentas y sólo un cuarto de las empresas aplica modelos analíticos para detectar amenazas a su negocio en los cambios del entorno.

Protección

Las empresas de consumo priorizan su operativa core frente a la optimización inteligente de funciones transversales. Sólo destaca la aplicación de analítica en la función TI, donde apenas un 7% de empresas aplica capacidades predictivas y de mejora continua.Estas empresas, intensivas en procesos de fabricación y distribución, muestran niveles moderados de madurez en sus procesos más importantes: a pesar de los claros retornos de la analítica del dato aplicada a la cadena de producción, sólo un 27% optimiza su fabricación con modelos analíticos predictivos.

Operaciones

Respecto a la experiencia de cliente, la abundancia de intermediarios en el sector provoca que a menudo se conozca mejor el canal que el propio cliente. Además, se están realizando esfuerzos para obtener una visión única del cliente, todavía queda mucho recorrido hasta alcanzar el objetivo de la visión 360.Para conocer el mercado, los métodos son tradicionales y hacen escaso uso de la analítica: un 86% de las empresas dispone de herramientas que capturan datos de pricing, cuotas de mercado, etc., que procuran un conocimiento no automatizado de su posición en el mercado.

Cliente

Consumo

Dimensiones

157

Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Consumo









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

Aún existe mucho recorrido entre las empresas del sector, en la utilización del dato y la analítica para conocer al cliente y poder

ofrecerle la personalización de productos en función de sus necesidades.

SO: Soporte de la Operación

159




Observación del datoEcosistemas del dato

159

Dimensiones, Innovación Consumo





• Sólo un 6% de empresas afirma disponer de funciones de monitorización del entorno para detectar nuevas fuentes de negocio tanto en su sector como en otros sectores; ninguna de ellas basa estos procesos en Inteligencia Artificial

• A pesar de conceder importancia a la customización de la propuesta de valor en torno al dato, hay mucho camino que recorrer: un 44% de empresas todavía no ha iniciado acciones al respecto

• Respecto a un observatorio que ayude a identificar tecnologías relacionadas con el dato y su explotación, sólo el 13% cuentan con un observatorio con modelos analíticos sencillos

• Por último, sólo el 19% de empresas entrevistadas asegura haber iniciado alguna colaboración con empresas digitales, startups expertas u otros organismos especializados en el dato

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Dimensiones / Innovación

Innovación

Ascendant 2019

Consumo

Dimensiones

La integración del dato y la analítica en su propuesta de valor es la prioridad en el ámbito de la innovación, si bien queda un largo recorrido de mejora.

161


Dimensiones, Cliente Consumo



Marca

Marca






• Respecto a la experiencia de cliente, la abundancia de intermediarios en el sector provoca que a menudo se conozca mejor el canal que el propio cliente

• En cuanto al conocimiento del cliente, si bien se están realizado esfuerzos para obtener una visión única del cliente, todavía queda mucho recorrido hasta alcanzar el objetivo de la identidad única: mientras un 33% de empresas enriquece constantemente su visión del cliente, apenas un 6% afirma acometer una búsqueda continua de fuentes de información

• Para conocer el mercado, los métodos son tradicionales y hacen escaso uso de la analítica: un 86% de las empresas dispone de herramientas que capturan datos de pricing y posicionamiento, cuotas de mercado, etc., que procuran un conocimiento periódico y no automatizado de su posición en el mercado

• Respecto a la marca, la mayoría de las empresas tienen RRSS asociados a sus productos, más que a las marcas. Su gestión reputacional en base al dato y la analítica es moderada: el 33% realizan escucha activa con modelos analíticos sencillos; el resto, realizan esta gestión manualmente

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Dimensiones / Cliente

Cliente

Ascendant 2019

Consumo

Dimensiones

Si bien el sector aspira a conocer mejor al cliente final y optimizar su experiencia, todavía queda mucha evolución hasta la visión 360 del mismo.

163


163

Dimensiones, Operaciones Consumo
















• Las empresas de consumo priorizan su operativa core frente a la optimización inteligente de funciones transversales. Sólo destaca la aplicación de analítica en la función TI, donde sólo un 7% de empresas aplica capacidades predictivas y de mejora continua

• Estas empresas, intensivas en procesos de fabricación y distribución, muestran niveles moderados de madurez en sus procesos más importantes: a pesar de los claros retornos de la

analítica del dato aplicada a la cadena de suministro o la producción, sólo un 31% goza de un nivel alto de integración con sus proveedores y aplica capacidades predictivas en la primera, y sólo un 27% optimizan su frabricación con modelos analíticos predictivos

• En general, sólo un 6% de empresas optimiza su mapa de procesos con analítica y la gestión inteligente de activos es incipiente

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Dimensiones / Operaciones

Operaciones

Ascendant 2019

Consumo

Dimensiones

Las empresas del sector tienden a enfatizar la optimización inteligente de la cadena de suministro y operaciones de producción, con niveles

sencillos de aplicación de dato y analítica.

165


Dimensiones, Protección Consumo

Privacidad



Fraude

Fraude

Privacidad




• Los niveles máximos de capacidad de protección se centran en garantizar la seguridad del acceso al dato y la anonimización de los mismos, con un 73% y 85% de empresas, respectivamente, logrando niveles adecuados de protección del dato

• Sin embargo, es llamativo que un factor imprescindible como es el cumplimiento de normativa local e internacional alcance un nivel de madurez moderado, con un 64% de las empresas asegurando la normativa nacional en su gestión

del dato y un 50% de empresas ateniéndose a y cumpliendo normativa internacional

• Finalmente, las empresas necesitan perfeccionar especialmente su capacidad de utilizar el dato como fuente de protección ante ataques, dado que sólo el 14% dispone de modelos para prevenir acciones fraudulentas y sólo un cuarto de las empresas aplica modelos analíticos para detectar amenazas a su negocio en los cambios del entorno

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Dimensiones / Protección

Protección

Ascendant 2019

Consumo

Dimensiones

Se enfatiza la protección del dato frente a la protección del negocio o el cumplimiento normativo, siempre en niveles moderados

que demandan continuar realizando esfuerzos.

167


Entre las empresas de consumo, están despertando interés los siguientes casos de uso:

Capacidades predictivas aplicadas al comportamiento de cliente, para asegurar la retención y los niveles de calidad percibidos .

Escucha activa en redes sociales con capacidades avanzadas de PLN para maximizar el conocimiento del cliente y del mercado, y automatizar la gestión reputacional de la marca.

Explotación de datos de geolocalización y sensórica para optimización de cadena de suministro.

Capacidades analíticas aplicadas a la optimización de toda la cadena de procesos: desde producción de la materia prima, a fabricación y colocación del producto en el punto de venta, con el objetivo de extraer el máximo partido de todos los procesos.

Aplicación de modelos analíticos en funciones transversales, especialmente para optimizar la gestión de personal y eficientar las tareas de función financiera.

Con el alto grado de automatización patente en sus operaciones core, las empresas quieren direccionar esfuerzos hacia el conocimiento del cliente final, la gestión reputacional de su marca y perfeccionar sus operaciones core, aspirando a un máximo grado de optimización de toda la cadena operativa, con foco en logística, con el objetivo de maximizar la retención de clientes. Sin embargo, es llamativo que varias empresas mencionan las oportunidades que querrían atrapar en la gestión de personal, por encima de otras funciones transversales como la gestión financiera.

¿Cuáles son las prioridades de las empresas del sector Consumo?

167 Ascendant 2019


Las empresas de consumo al consumo declaran haber implementado con éxito los siguientes casos de uso:

Analítica de perfilado de clientes para detección de tendencias de consumo y gustos que den forma nuevos lanzamientos.

Análisis de comportamiento de compra de los clientes para la optimización de recursos promocionales y del posicionamiento de productos según comportamiento de compra.

Planificación inteligente para optimizar procesos de producción y suministro.

Dashboards automáticos para optimizar la gestión interna.

Varias empresas destacan como exitosos los casos de uso dirigidos a la optimización de sus procesos core, de su productividad y de la cadena de suministro, destacando las órdenes de abastecimiento inteligentes. Hay una atención incipiente a los procesos de soporte, con la automatización de informes de gestión, y un cierto énfasis en los procesos de la función financiera.

Finalmente, son poco frecuentes los casos relacionados con la seguridad, donde los intentos más exitosos se localizan en la detección de fraude.

1

2

3

4


Las empresas de consumo afirman estar invirtiendo especialmente en los siguientes casos de uso:

Modelos predictivos de ventas, anticipando el volumen de pedidos y las necesidades de abastecimiento.

Evolución hacia la planta inteligente para optimización de los procesos productivos.

Gestión inteligente de clientes de riesgo para el aseguramiento de las operaciones.

Implementación de herramientas analíticas en todos los procesos para garantizar la trazabilidad y eficiencia del mapa de procesos .

Evolución hacia el gobierno organizativo del futuro, con foco en transformarse en una organización data driven.

Las empresas siguen invirtiendo en la gestión inteligente de su abastecimiento, tras darse casos de uso exitosos en este mismo ámbito. Asimismo, ponen énfasis en la optimización de sus operaciones core ambicionando la generalización de las capacidades de captación y explotación analítica en sus infraestructuras productivasAdicionalmente, están llevando la seguridad un paso más allá, aplicando analítica a nivel cliente para asegurar sus operaciones previniendo fraude y otros riesgos de forma individualizada.

También están trabajando más allá del ámbito operacional en preparar toda la organización para la nueva realidad data driven: están sentando los cimientos tecnológicos que facilitarán la gestión del dato y su análisis, así como los cimientos que impulsarán la adaptación a la nueva realidad del dato.

5

1

2

3

4

1

2

3

4


Las empresas de consumo invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Implementación de ciertos dashboards de gestión del negocio.

Analítica aplicada a la producción de materia prima para maximizar su calidad.

Un 12% de las empresas entrevistadas indican no disponer todavía de casos de uso fracasados debido al estado incipiente de aplicación del dato y la analítica, lo cual revela cierta necesidad de imprimir velocidad a la transformación data driven en el sector. Las empresas deben experimentar con el dato más allá de su ámbito “seguro” de aplicación, para descubrir nuevas posibilidades.

Los casos de uso con fracasos más repetidos son los relacionados con la implementación de informes de gestión del negocio. Le siguen los fracasos en la analítica aplicada a la calidad del producto, todavía en rediseño, y casos fracasados de aplicación de analítica en la protección contra el fraude, posteriormente rediseñados e implementados con éxito en varias organizacionesFinalmente, un caso fracasado de gran importancia es la integración de fuentes internas y externas de datos: cada vez es más importante enriquecer la visión interna, en la que las empresas de consumo tienden a focalizarse por su intensidad en infraestructura a gestionar, con datos de fuentes externas. Este caso de uso fracasado es uno que, implementado adecuadamente, encierra un enorme valor.

1

2

5

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Consumo / Casos de uso

169


169 Ascendant 2019

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de financiación

171 171


Agilidad e inmediatez

Intereses: máxima precisión

Nuevos negocios

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación

Ascendant 2019


Repunte del consumo y conocimiento de clientes

En el último lustro, ha tenido lugar un fuerte repunte del crédito al consumo, impulsado, por un lado, por el aumento de la demanda tras la recuperación económica (automóviles, electrodomésticos, etc), y por otro, por la apuesta de las entidades bancarias, dada su mayor rentabilidad en comparación a otro tipo de productos.Este aumento de demanda, ligado al nuevo contexto digital, facilita un mayor volumen de datos de clientes y una oportunidad de enriquecer los datos a partir de fuentes digitales para detectar posibles consumos a los que se pueda responder con una oferta.

Scoring más exigente

Tras el fin de la crisis financiera, se ha producido una rebaja de la morosidad en este producto; sin embargo, sin llegar a los bajos niveles previos a la crisis, la morosidad comienza a repuntar, lo que anticipa una mayor presión regulatoria. En este escenario, las entidades de financiación necesitar enriquecer al máximo los datos y el gobierno de la analítica

empleados en su scoring; invertir en capacidades de autoaprendizaje o colaborar mediante cruce de datos entre entidades y bancos pueden ser iniciativas interesantes.

El gran cambio de paradigma: PSD2

La entrada en vigor de la normativa PSD2 supone un punto de inflexión para las entidades de crédito al consumo, al quedar regulado y estandarizado el acceso a los datos de los prestatarios. La propia PSD2, a través de los pagos PISP, se convierte en un mecanismo para abonar las cuotas periódicas del préstamo, sin necesidad de domiciliar los pagos en el banco del cliente.Además, PSD2 posibilita ampliar la visibilidad sobre el cliente a entidades registradas como agregadoras, facilitando la precisión de los modelos de scoring al dar acceso a información que el cliente no suministra directamente a la entidad de financiación.

A pesar del repunte de la demanda y del incremento de la recogida de datos por parte de las empresas del sector, aún existen barreras de identidad y

de privacidad que hacen que explotar esta oportunidad, suponga un desafío.

La posibilidad de acceder en tiempo real a la información bancaria de los clientes -además de otros datos no estrictamente financieros- permite a las entidades del sector realizar scorings más ágiles, una aportación diferencial para los clientes y una ventaja competitiva para las empresas del sector frente a los bancos, con procesos de compliance y validación de riesgos mucho más estrictos y lentos.

El acceso a los datos bancarios aporta una información muy relevante para realizar evaluaciones de mayor precisión y fijar así pricings más competitivos, lo que supone una nueva amenaza al negocio bancario tradicional. Un conocimiento del cliente mejorado permite rebajar los intereses que se cargan a este, hasta ahora muy elevados debido a la incertidumbre acerca de su solvencia.

El acceso a los movimientos bancarios del cliente abre la puerta a las entidades del sector a ampliar su oferta de productos, no estrictamente de financiación: los seguros o los productos relacionados con el ahorro son extensiones naturales hacia donde previsiblemente evolucionarán a medio plazo. La posibilidad de mover fondos hacia este tipo de productos, también a través de la PSD2 (PISP) puede facilitar la puesta en funcionamiento de este tipo de propuestas.

173 173

El convencimiento acerca de la necesidad de evolucionar hacia una Organización Orientada al Dato es menor del observado en otros sectores.



5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Habilitadores Digitales / Empresas de Financiación

Ascendant 2019

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Empresas de Financiación


La transformación del sector hacia DDO es lenta. Sólo un 20% de las empresas entrevistadas ha iniciado el proceso de definición de estrategias organizadas en torno al dato. La mayoría de empresas mantiene una visión tradicional del negocio, basada en el producto antes que en la aportación de la analítica.. Lejos de adoptar una actitud proactiva para dinamizar sus modelos de negocio en base a la aportación del dato, la mayoría de las empresas del sector se mantiene a la expectativa, pendiente de los movimientos de sus competidores. Esperan especialmente la resolución de aspectos como los legales, la financiación y la interacción con los clientes.

A diferencia de lo observado en otros sectores, no se observa un convencimiento unánime acerca de la necesidad de evolucionar hacia una DDO, un sentimiento que se percibe en el 60% de las organizaciones entrevistadas. Existe una importante carencia de profesionales encargados de llevar a cabo la transición hacia estrategias en torno al dato. Apenas el 20% de las empresas del sector cuenta con CDO.Por último, debe superarse la fragmentación de la información en silos desconectados, elaborando una estrategia común para fomentar la comunicación y la colaboración entre áreas.

Respecto a las infraestructuras, predominan en el sector las infraestructuras on premise. Un 40% de las empresas declara contar con arquitecturas cloud, pero se trata mayoritariamente de filiales de multinacionales, y el control se ejerce desde las sedes centrales en los países de origen.La ingesta de datos se produce mayoritariamente en batch, aunque un 40% de empresas incorpora ingestas en tiempo real para determinadas tipologías de datos.

Pese a tratarse de un sector con un enorme potencial de ampliación de horizontes a partir de la incorporación de datos externos (principalmente, vía PSD2) llama la atención la falta de conocimiento sobre las posibilidades que ofrece el dato, así como la ausencia de iniciativas de evangelización interna para fomentar el uso del dato en la mayoría de las compañías.En cuanto a capacidades, el 60% de las empresas admite no tener el talento necesario para abordar todos los proyectos programados en sus empresas, pero solo el 40% dispone de planes de formación o reciclaje focalizados en dato.

Estrategia


Cultura & Talento

175 175









Habilitadores Digitales, Estrategia Empresas de Financiación



Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Habilitadores Digitales / Estrategia

Ascendant 2019



• La transformación del sector hacia OOD es lenta. Sólo un 20% de las empresas entrevistadas ha iniciado el proceso de definición de estrategias organizadas en torno al dato. La mayoría de empresas mantiene una visión tradicional del negocio, basada en el producto antes que en la aportación de la analítica. Falta liderazgo en proyectos innovadores y no se experimenta con nuevas propuestas basadas en el dato

• Lejos de adoptar una actitud proactiva para dinamizar sus modelos de negocio en base a la aportación del dato, la mayoría de las empresas

del sector se mantiene a la expectativa, pendiente de los movimientos de sus competidores. Esperan especialmente la resolución de aspectos como los legales, la financiación y la interacción con los clientes. Igualmente, observan con atención lo que sucede en sectores como Banca o Seguros

• El acceso a la información es muy fragmentado, con persistencia de silos en la mayoría de las empresas. Eso genera a menudo confusión y discrepancias en los datos o KPIs utilizados, ya que no se maneja una única fuente

Las filiales de multinacionales se muestran más conscientes de la importancia de incorporar el dato en sus operativas, a menudo con la estrategia definida

desde sus sedes centrales.



177 177









Gobierno del dato

Gobierno del dato



Habilitadores Digitales, Organización Empresas de Financiación



Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Habilitadores Digitales / Organización

Ascendant 2019



• A diferencia de lo observado en otros sectores, no se observa un convencimiento unánime acerca de la necesidad de evolucionar hacia una OOD, un sentimiento que se percibe en el 60% de las organizaciones entrevistadas. Solo un tercio de las empresas ha concretado hasta el momento programas de transformación, porcentaje sensiblemente menor que el observado en el resto de sectores

• Existe una importante carencia de profesionales encargados de llevar a cabo la transición hacia estrategias en torno al dato. Apenas el 20% de las empresas del sector cuenta con áreas específicas y ha implementado la figura del CDO

• Igualmente, escasean los recursos destinados a transformar la organización: el 60% de las empresas admite que estos son insuficientes, aunque la mayoría confía en que la dotación será suficiente en el medio plazo

• Por último, debe superarse la fragmentación de la información en silos desconectados, elaborando una estrategia común para fomentar la comunicación y la colaboración entre áreas

El convencimiento acerca de la necesidad de evolucionar hacia Organizaciones Orientadas al Dato es menor del observado en otros sectores.

179


Mentalidad

Mentalidad

Capacidades

Capacidades







179

Habilitadores Digitales, Cultura y Talento Empresas de Financiación


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Habilitadores Digitales / Cultura & Talento

Cultura& Talento

Ascendant 2019



• Pese a tratarse de un sector con un enorme potencial de ampliación de horizontes a partir de la incorporación de datos externos (principalmente, vía PSD2) llama la atención la falta de conocimiento sobre las posibilidades que ofrece el dato, así como la ausencia de iniciativas de evangelización interna para fomentar el uso del dato en la mayoría de las compañías

• Se observa una extendida concienciación acerca de la importancia de la calidad del dato, especialmente en lo concerniente a la regulación, pero esta no va acompañada de un dato único obtenido sin

contradicciones ni trabajos manuales, un objetivo que menos de la mitad de las empresas ha alcanzado

• En cuanto a capacidades, el 60% de las empresas admite no tener el talento necesario para abordar todos los proyectos programados en sus empresas, pero solo el 40% dispone de planes de formación focalizados en dato o planes de reciclaje del talento. Las empresas de este sector tienen pendiente un cambio de mentalidad, que pase de la mera captación de datos a la captación destinada a reforzar el área comercial

La cultura del dato no está lo suficientemente implementada en el sector, ni existen iniciativas para extenderla internamente.

181

Infraestructura




181

Habilitadores Digitales, Tecnología Empresas de Financiación


Infraestructura





Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Habilitadores Digitales / Tecnología

Ascendant 2019



• Respecto a las infraestructuras, predominan en el sector las infraestructuras on premise. Un 40% de las empresas declara contar con arquitecturas cloud, pero se trata mayoritariamente de filiales de multinacionales, y el control se ejerce desde las sedes centrales en los países de origen

• La ingesta de datos se produce mayoritariamente en batch, aunque un 40% de empresas incorpora ingestas en tiempo real para determinadas tipologías de datos

• Respecto al procesamiento de datos, el abordaje continúa siendo muy tradicional, mediante herramientas convencionales (Azure, Tableau, Alterix, Salesforce Marketing Cloud, Ofimática, SAP, etc.) y muy limitado uso de herramientas innovadoras como R o Python

La mayoría de empresas trabaja con bases de datos relacionales.

183

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Inteligencia

Ascendant 2019

La percepción del entorno es pobre: Menos de la mitad de las empresas cuenta con herramientas externas de escucha que les ayuden a conocer mejor su posicionamiento en el mercado.Todas las empresas captan dato estructurado, y algunas comienzan a captar también datos de voz. Otro tipo de datos desestructurados (imagen y vídeo) no entran por el momento en los planes de este sector.

EscuchaRespecto a las decisiones operativas, en el 60% de las organizaciones estas se toman en base a datos, KPIs, informes y cuadros de mando. En el resto, continúa imperando la experiencia del profesional a la hora de tomar decisiones.

Actúa

Por otra parte, el dato ocioso es común en todas las empresas del sector. Lo más preocupante es que casi la mitad de las empresas no cuenta con ningún plan para extraer rendimiento de esos datos.

Analiza


Inteligencia

183

Capacidades de gestión del dato: Inteligencia Empresas de Financiación















La extracción de valor de los datos está muy limitada por la falta de herramientas e iniciativas innovadoras.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

185









Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Dimensiones

Ascendant 2019


Dimensiones

185

Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Empresas de Financiación

Promedio Situación actual Promedio Aspiración de medio plazo SO: Soporte a la Operación








Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

En general, el sector muestra intención de virar su propuesta de valor hacia la personalización y la customización, aunque el cumplimiento regulatorio puede llegar a suponer un importante quebradero de cabeza para alcanzar esos fines. El sector es poco inquieto en lo que se refiere a la identificación de informes o tecnologías relacionadas con el dato. Solo esporádicamente se asigna de manera manual (generalmente al CIO) por necesidades determinadas del negocio.

Las empresas de financiación al consumo entienden que la mejora de la experiencia del cliente es clave para su supervivencia; sin embargo, a menudo ese propósito se complica debido a la presencia de intermediarios (concesionarios, entidades bancarias, stands promocionales, etc) que se quedan con una buena parte de la relación con el cliente.La monitorización de la reputación de la marca en redes sociales, común y extendida en otros sectores, no es práctica común en el sector, y cuando se lleva a cabo suele ser de manera manual, no automatizada.

Innovación

Cliente

La mayoría de las empresas entrevistadas lleva a cabo procesos de scoring, revisión y auditorías internas para la prevención de fraudes. Un 40% afirma emplear técnicas predictivas (empleando la herramienta Hunter) para detectar posibles casos de fraudes o morosidad.No se emplea la analítica para la prevención de amenazas futuras, confiando en el criterio (experiencia, intuición) de los profesionales.

Protección

Pese a que el 60% de las empresas entrevistadas afirma haber mejorado su mapa de procesos utilizando el dato, el uso del dato para la optimización de las operaciones es muy bajo. Únicamente en el área económico-financiera se emplean herramientas de análisis tradicional, pero no de carácter predictivo. En las áreas de soporte de las operaciones (legal, RRHH, Sistemas, etc.) no se ha implementado procesos de automatización y mejora en torno al dato. Respecto a la integración con proveedores, todas las empresas están conectadas directamente con los proveedores y comparten información de forma automática con ellos.

Operaciones

Mejorar el conocimiento y la experiencia del cliente es un propósito claro en el sector, pero a menudo la presencia de intermediarios entre empresas

y consumidores dificulta esa tarea.

187










187

Dimensiones, Innovación Empresas de Financiación


• En general, el sector muestra intención de virar su propuesta de valor hacia la personalización y la customización, aunque el cumplimiento regulatorio puede llegar a suponer un importante quebradero de cabeza para alcanzar esos fines

• El sector es poco inquieto en lo que se refiere a la identificación de informes o tecnologías relacionadas con el dato. No es una práctica instaurada en ninguna de las empresas, y solo esporádicamente se asigna de manera manual (generalmente al CIO) por necesidades determinadas del negocio

• Por último, es necesario impulsar la colaboración dentro de ecosistemas digitales, una práctica por el momento casi inédita- un paso fundamental en un sector que puede explotar grandes sinergias a partir del intercambio y acceso a otras fuentes de datos que posibilita la normativa PSD2

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Dimensiones / Innovación

Innovación

Ascendant 2019


Dimensiones

Falta un impulso fuerte a la innovación, con propuestas de valor cimentadas en el uso del dato, colaboración con players digitales o identificación

de fuentes y tecnologías.

189


189

Dimensiones, Cliente Empresas de Financiación



Marca

Marca






• Las empresas de financiación al consumo entienden que la mejora de la experiencia del cliente es clave para su supervivencia; sin embargo, a menudo ese propósito se complica debido a la presencia de intermediarios (concesionarios, entidades bancarias, stands promocionales, etc) que se quedan con una buena parte de la relación con el cliente

• Ese gap de conocimiento podría ser cubierto mediante la incorporación de fuentes de datos externas, pero una vez más, se trata de una práctica todavía minoritaria

• La monitorización de la reputación de la marca en redes sociales, común y extendida en otros sectores, no es práctica común en el sector, y cuando se lleva a cabo suele ser de manera manual, no automatizada

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Dimensiones / Cliente

Cliente

Ascendant 2019


Dimensiones

Mejorar el conocimiento y la experiencia del cliente es un propósito claro en el sector, pero a menudo la presencia de intermediarios

entre empresas y consumidores dificulta esa tarea.

191


191

Dimensiones, Operaciones Empresas de Financiación


















• Pese a que el 60% de las empresas entrevistadas afirma haber mejorado su mapa de procesos utilizando el dato, el uso del dato para la optimización de las operaciones es muy bajo. Únicamente en el área económico-financiera se emplean herramientas de análisis tradicional, pero no de carácter predictivo. En las áreas de soporte de las operaciones (legal, RRHH, etc) no se ha implementado procesos de automatización y mejora en torno al dato. En el caso de sistemas, todas las empresas participantes disponen de herramientas de reporting de incidencias, pero tampoco se realizan análisis predictivos

• Respecto a la integración con proveedores, todas las empresas están conectadas directamente con los proveedores (Bureau de Crédito, Banco Central y emisoras de tarjetas de crédito ) y comparten información de forma automática con ellos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Dimensiones / Operaciones

Operaciones

Ascendant 2019


Dimensiones

La automatización de operaciones alrededor del dato es mínima.

193


193

Dimensiones, Protección Empresas de Financiación

Fraude

Privacidad

Privacidad

Riesgos

Riesgos







Fraude


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Dimensiones / Protección

Protección

Ascendant 2019


Dimensiones

• La mayoría de las empresas entrevistadas lleva a cabo procesos de scoring, revisión y auditorías internas para la prevención de fraudes. Un 40% afirma emplear técnicas predictivas (empleando la herramienta Hunter) para detectar posibles casos de fraudes o morosidad

• No se emplea la analítica para la prevención de amenazas futuras, confiando en el criterio (experiencia, intuición) de los profesionales

• Más del 80% de las empresas de financiación adapta sus modelos analíticos a la legislación europea y española, tanto si las oficinas se encuentran en España como si la información se trata fuera del país

La concienciación en el sector respecto a la protección y securización de la información es alta, aunque no alcanza los niveles de otros sectores.

195


Entre las empresas de financiación, están despertando interés los siguientes casos de uso:

Big data sobre producto conectado para extraer hipótesis de nuevos negocios.

Enriquecimiento de perfil del cliente con objetivos de perfeccionar su scoring: con producto conectado, con escucha inteligente en redes sociales,…

Explotación con capacidades PLN de datos ociosos sobre el cliente recopilados de fuentes propias variadas.

Conexión con bases de datos externas para automatizar de procesos manuales y agilizar procesos internos.

A futuro, se aspira a explotar los datos recabados del producto conectado con intención de ampliación de fuentes de ingresos.

Por otro lado, el sector muestra un gran énfasis por enriquecer sus datos propios del cliente con otras fuentes para perfeccionar su scoring, con un objetivo de gestión del riesgo muy común entre las empresas.

De forma incipiente, hay inquietud en la explotación de datos ociosos (emails, conversaciones de call center,…) para un mejor conocimiento del cliente.


Las empresas de financiación invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Implantación de sistema de scoring a nivel organización con visión única del dato.

Dashboard postventa para colaboradores.

Migración de datos tras la implementación de nuevas tecnologías del dato.

Analítica web para detectar patrones de conversión.

Servicios adyacentes basados en geolocalización.

La mayoría de casos de uso del dato fracasados tienen que ver con la implementación de tecnologías del dato e intentos de homogeneizar la visión del dato en toda la organización. El motivo de fracaso más frecuente fue la falta de un gobierno del dato previo.

Hay una minoría de casos de uso del dato que fracasaron relacionados con las ventas: la oferta de servicios adyacentes en base a producto conectado y modelos de analítica web, que, posteriormente, las empresas han trabajado en mejorar.


Las empresas de financiación afirman estar invirtiendo especialmente en los siguientes casos de uso:

Análisis de comportamiento para gestión de impago proactiva: automatización de acciones de recobro en función de analítica sobre clientes y gestión de renovaciones en función de previsión de mora anticipada.

Enriquecimiento de datos con ecosistema del dato para detección de clientes potenciales.

Productos conectados con IoT para asegurar la visibilidad en cada momento sobre el producto financiado por la entidad.

Implementación de herramientas de gestión del conocimiento de clientes para soportar la gestión de acciones comerciales y de recobro.

Conexión con bases de datos externas para automatizar de procesos manuales y agilizar procesos internos.

De nuevo, el máximo foco en los casos de uso en los que está invirtiendo ahora mismo el sector vuelve a ser el cliente: la gestión del conocimiento del cliente es capital para maximizar las ventas de estas entidades. Existen, de forma incipiente y en modalidades poco sofisticadas, los primeros ecosistemas para enriquecer con información de otras fuentes la visión que las entidades tienen de los clientes.

Un caso de uso con mucho potencial en el que se está invirtiendo es la aplicación de IoT a los productos financiados.


Las empresas de financiación al consumo declaran haber implementado con éxito los siguientes casos de uso:

Analítica sobre conocimiento del cliente, con datos enriquecidos, para optimización de campañas de marketing en base a analítica de datos y penetración de clientes.

Aplicación de analítica avanzada para detectar proactivamente la propensión al consumo de los clientes para adaptar la oferta de productos a particulares y empresas en base al dato (ejemplo: emisión de seguro según versiones del coche,…) y detectar oportunidades de cross selling y upselling.

Análisis de comportamiento para gestión de impago proactiva: automatización de acciones de recobro en función de analítica sobre clientes y gestión de renovaciones en función de previsión demora anticipada.

Inteligencia artificial para detección de fraude en la concesión de créditos (verificación documental, aseguramiento de identidida, autenticidad de nóminas y cuentas bancarias,…).

Implementación de Dashboards de gestión interna.

Los casos de uso exitosos del dato y la analítica más frecuentes son los relacionados con el aumento de ventas en base al conocimiento del cliente, cuyo análisis de datos permite focalizar las acciones comerciales. Las entidades de financiación también han obtenido resultados muy satisfactorios en la aplicación de analítica para la personalización de la oferta y de las acciones de recuperación.

¿Cuáles son las prioridades de las empresas del sector Empresas de Financiación?

195 Ascendant 2019

5

1

2

3

4

5

1

2

3

4

1

2

3

45

1

2

3

4

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Empresas de Financiación / Casos de uso

197 197

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía

Energía

Ascendant 2019

199 199

Energía

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía

Ascendant 2019


La extracción del valor de los datos en el sector está fuertemente condicionada por la estricta regulación que le aplica; sin embargo, asegurando

su cumplimiento, las empresas encuentran múltiples oportunidades aprovechables en la eficiencia operativa y el conocimiento del cliente.

El sector debe tomar conciencia de que sólo a través del conocimiento profundo del negocio desde los datos es posible afrontar de forma exitosa los próximos desafíos y amenazas. Las compañías del sector aún deben explotar toda información de la que disponen sobre sus clientes e infraestructuras para logar una eficiencia operativa y comercial. La búsqueda de nuevas fuentes de información externas que enriquezcan la información interna debería ser un objetivo permanente, como también explorar nuevas líneas de negocio, por ejemplo, compartir datos propios que generen nuevos insights en otros sectores de actividad.

El sector trabaja intensamente en el ámbito de la predicción (demanda, producción, impago, etc.), y debe incidir en la incorporación a la cadena de valor de información ociosa y no estructurada (imágenes, vídeos, datos de proceso) para evolucionar hacia modelos de inteligencia que sean capaces de aprender de forma autónoma.

Por último, existe enorme potencial de mejora en el ámbito de las operaciones, en especial todo lo relacionado con la gestión de la infraestructuras en la línea de los paradigmas de la Industria 4.0 y una mejor gestión del cliente.

La evolución hacia modelos data centrics permitirá, a través de la centralización de datos, diseñar productos personalizados más adaptados a las necesidades reales del cliente. Esta visión se complementa con el enfoque customer centric, que aportará una visión holística y personalizada de las necesidades de cada cliente omnicanalidad, multiproductos, multicontratos, etc.).

Cliente

Modelos de Inteligencia

Infraestructura

Modelos Data Centrics

Proceso de Cambio

El sector energético, de gran importancia estratégica para la economía nacional, atraviesa un proceso de cambio importante, vinculado a la digitalización de la industria y a la llamada transición energética (descarbonización), que promueve la aparición de recursos energéticos distribuidos y de un nuevo tipo de consumidor, conocido como prosumidor, por su capacidad de consumir y producir energía simultáneamente.

Modelos de Negocio

La industria energética transforma sus modelos de negocio a medida que se introducen nuevas reglas de mercado (presión regulatoria, medidas inteligentes, mercado continuo, etc.), se incorporan nuevos actores digitales (fundamentalmente en el ámbito de la comercialización) y crece la sensorización de las infraestructuras, con el consiguiente aumento en la cantidad de datos de clientes y la expansión de la oferta de servicios (eficiencia energética, movilidad eléctrica, generación y almacenamiento distribuido, gestión de demanda, etc.).

Ecosistemas

De esta forma, el sector evoluciona hacia ecosistemas data centric, que obligan a las empresas energéticas a afrontar profundas transformaciones para asimilar y expandir, dentro de sus tradicionales estructuras jerárquicas, la importancia de la cultura, gestión y explotación del dato, al tiempo que se enfrentan a la necesidad de incorporar los perfiles especializados necesarios para desarrollar nuevas competencias.

Monetización del dato

Esta paulatina incorporación de activos inteligentes está habilitando a la industria para avanzar en la monetización del dato, tanto a nivel de reducciones de coste de infraestructuras como de aportación de servicios de valor al cliente final.

201 201

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Energía


Energía


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Habilitadores Digitales

Ascendant 2019

El gobierno del dato demanda un impulso inaplazable. A nivel organizativo, ya se han iniciado los pasos naturales en la transformación, contando con

el alineamiento y compromiso de la primera línea, si bien debe permear al resto de la organización y la operativa de gestión.

El sector energía está evolucionando de un modelo tradicional hacia otro centrado en el cliente, con el dato como capital y eje de la transformación. En este contexto, sólo un 60% de las empresas ya tiene claro cómo impactará el dato en su modelo de negocio y qué oportunidades aspiran a atrapar, dando forma a su estrategia. En este proceso de transformación las grandes compañías del sector se encuentran con grandes dificultades condicionadas por sus evoluciones e historia pasada. Sin embargo, los nuevos entrantes más pequeños y ágiles plantean sus estrategias de negocio basados en el dato y la analítica.

El compromiso de la primera línea de dirección con la orientación al dato es mediano: sólo un 60% de empresas declara observar un alineamiento y compromiso total. Permeando hacia otros niveles, la claridad del liderazgo de la evolución hacia una OOD es moderada: el 60% de compañías energéticas está pendiente de definir con claridad las responsabilidades y el modelo de gobierno.El elemento más preocupante es el gobierno del dato: ninguna de las empresas entrevistadas afirma disponer de un gobierno de este activo clave; sin embargo, un 22% afirma tener suficiente visibilidad y mecanismos de revisión y mejora de su algoritmia.

Debido a su punto de partida, muy vinculado a activos físicos, la cultura del dato está lejos de ser asimilada en las empresas energéticas: apenas un 10% afirma disponer de suficientes perfiles especialistas en dato y analítica (10%); un 30% reconoce un nivel satisfactorio de familiarización con el dato y la analítica, con tendencia a las diferencias entre áreas.Por otro lado, las formas de trabajar en torno al dato y la analítica tienden a ser tradicionales: un 90% de empresas todavía no democratiza el dato, sino que, de hecho, supeditan el autoservicio a la existencia de un gobierno del dato robusto; sólo un 10% aplica de forma incipiente metodologías ágiles en sus proyectos del dato; y un 60% está pendiente de implementar mecanismos para generar concienciación y sinergias entre áreas.

La tendencia en el sector apunta a la migración hacia infraestructuras cloud para dotarse de la capacidad y flexibilidad que la gestión de grandes volúmenes de datos demanda: un 40% de empresas ya han emprendido este camino, y un 30% emplea ya cloud de forma habitual.El dato más preocupante vuelve a encontrarse, de nuevo, en relación al gobierno del dato: un 90% de las empresas no dispone de ninguna herramienta de gobierno, siendo frecuente encontrarse en estado de evaluación a la espera de la implantación de un gobierno.

Estrategia


Cultura & Talento

203 203









Habilitadores Digitales, Estrategia Energía



Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Habilitadores Digitales / Estrategia

Ascendant 2019

Energía


• El sector energía está evolucionando de un modelo tradicional hacia otro centrado en el cliente, con el dato como capital y eje de la transformación. En este contexto, ya un 60% de las empresas tiene claro cómo impactará el dato en su modelo de negocio y qué oportunidades aspiran a atrapar, dando forma a su estrategia. Para materializar la misma, sólo el 50% cuenta con un plan detallado, elemento imprescindible para conducir el rumbo hacia una organización data driven

• En este proceso de transformación las grandes compañías del sector se encuentran con grandes dificultades condicionadas por sus activos, evoluciones e historia pasada. Sin embargo,

los nuevos entrantes más pequeños y ágiles plantean sus estrategias de negocio basados en el dato y la analítica, sobre todo en el proceso de comercialización. En general, el abordaje de su estrategia del dato y la analítica tiende a ser poco agresivo: sólo un 10% de las empresas del sector aspira a pilotar negocios disruptivos basados en el dato, mientras que el resto tiende a focalizar el valor del dato en la excelencia operativa de sus activos físicos

• A pesar de que el ritmo en la transformación aún es lento, un 30% de las compañías energéticas comienza a aplicar modelos analíticos a la toma de decisiones estratégicas

El nivel de implantación de la estrategia del dato de las empresas energéticas aún tiene un largo recorrido para llegar a un modelo centrado en la analítica.



205 205









Gobierno del dato

Gobierno del dato



Habilitadores Digitales, Organización Energía



Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Habilitadores Digitales / Organización

Ascendant 2019

Energía


• El compromiso de la primera línea de dirección con la orientación al dato es mediano: sólo un 60% de empresas declara observar un alineamiento y compromiso total. Permeando hacia otros niveles, la claridad del liderazgo de la evolución hacia una OOD es moderada: el 60% de compañías energéticas está pendiente de definir con claridad las responsabilidades y el modelo de gobierno

• La gestión presupuestaria de los proyectos del dato necesita reforzarse: sólo la mitad de empresas

afirma disponer de suficientes recursos humanos y económicos asignados a proyectos específicos vinculados al dato; además, un 80% necesita desarrollar sus sistemas de medición del avance e impacto de estos proyectos

• El elemento más preocupante es el gobierno del dato: ninguna de las empresas entrevistadas afirma disponer de un gobierno de este activo clave; sin embargo, un 22% afirma tener suficiente visibilidad y mecanismos de revisión y mejora de su algoritmia

El gobierno del dato demanda un impulso inaplazable. A nivel organizativo, ya se han iniciado los pasos naturales en la transformación, contando con

el alineamiento y compromiso de la primera línea, si bien debe permear al resto de la organización y la operativa de gestión.

207


Mentalidad

Mentalidad

Capacidades

Capacidades







207

Habilitadores Digitales, Cultura y Talento Energía


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Habilitadores Digitales / Cultura y Talento

Cultura& Talento

Ascendant 2019

Energía


Transformar el capital humano y las formas de trabajar en torno al dato son el máximo reto para evolucionar hacia una Organización Orientada al Dato.

• Debido a su punto de partida, muy vinculado a activos físicos, la cultura del dato está lejos de ser asimilada en las empresas energéticas: apenas un 10% afirma disponer de suficientes perfiles especialistas en dato y analítica (10%); un 30% reconoce un nivel satisfactorio de familiarización con el dato y la analítica, con tendencia a las diferencias entre áreas

• Por otro lado, las formas de trabajar en torno al dato y la analítica tienden a ser tradicionales: un 90% de empresas todavía no democratiza el dato, sino que, de hecho, supeditan el autoservicio a la existencia de un gobierno del dato robusto; sólo un 10% aplica de forma incipiente metodologías ágiles en sus proyectos del dato; y un 60% está pendiente de implementar mecanismos para generar concienciación y sinergias entre áreas

209

Infraestructura




209

Habilitadores Digitales, Tecnología Energía


Infraestructura





Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Habilitadores Digitales / Tecnología

Ascendant 2019

Energía


• También hay avances algo más moderados en ingesta, donde el 40% de empresas ya dispone de procesos en tiempo real; almacenamiento, donde encontramos un 60% de empresas que aplica bases de datos distribuidas y multistorage; y procesamiento, donde el machine learning empieza a aplicarse en un 40% de empresas. Más débil es el avance de la tecnología de explotación, donde solo un 10% aplica la apificación

• El reto más importante vuelve a encontrarse, de nuevo, en relación al gobierno del dato: un 90% de las empresas no dispone de ninguna herramienta de

gobierno, siendo frecuente encontrarse en estado de evaluación a la espera de la implantación de un gobierno

• El despliegue de la tecnología en campo, aplicando técnicas de realidad mixta y sensorización de los activos, posibilita la reducción de costes inferidos por la operación y mantenimiento. Se percibe la adopción por parte de las compañías en clara línea ascendente

Si bien los cambios tecnológicos son complejos y costosos al estar condicionados por los “legados” , hay una clara voluntad a prepararse para

la explotación del dato con tecnologías avanzadas.

211

Capacidades de gestión del dato: Inteligencia Energía















Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Inteligencia

Ascendant 2019

Energía

Inteligencia

Si bien pocas empresas enriquecen su visión con datos externos (11%), la clase de información que las energéticas son capaces de captar es variada y compleja: dadas las características de su actividad (por ejemplo, por necesidades de mantenimiento), un 60% son capaces de captar formas de dato no estructurado como voz, imagen o vídeo.

EscuchaAlgo más de desarrollo se observa en la toma de decisiones en base a la analítica: el 60% son capaces de tomar decisiones operativas cotidianas en base al dato, con políticas arraigadas para neutralizar posibles sesgos en el 75% de los casos.

Actúa

Sin embargo, muchos de los datos quedan almacenados sin explotar, dado que sólo el 20% de las empresas explota los datos desestructurados más complejos que captan. Adicionalmente, sólo un 11% dispone de capacidades de aprendizaje aplicadas a sus modelos analíticos, y en formas poco sofisticadas.

Analiza

A pesar de la variedad y volumen de datos que las empresas energéticas son capaces de captar, necesitan reforzar su capacidad de análisis

para extraer el máximo valor.

213









Marca







Fraude

Riesgos


Privacidad




213

Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Energía









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

SO: Soporte a la Operación

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Dimensiones

Ascendant 2019

Energía

Dimensiones

Las operaciones de soporte no son la prioridad para las empresas energéticas, que prefieren focalizar los esfuerzos en las operaciones de cadena de suministro y producción. Mientras un 22% aplica modelos predictivos sencillos en su función financiera, sólo el 20% aplica modelos analíticos poco sofisticados en las funciones RRHH, TI y compliance.Mientras un 20% optimiza con inteligencia sus procesos operativos, la mitad de las empresas del sector aplica modelos para el control de calidad y mejora continua en la producción, y un 56% lo hace en la cadena de suministro.

A pesar de las presiones regulatorias que afectan al tratamiento del dato, un 89% de empresas asegura el cumplimiento de la normativa Sin embargo, no se observa el mismo énfasis en la protección del negocio: a pesar de existir una voluntad de mejora, el 60% de empresas no protege sus operaciones contra el fraude empleando los datos, y sólo un 10% aplica modelos analíticos de riesgos para detectar cambios del entorno que pudieran hacer peligrar al negocio.

En cuanto a sus capacidades de innovación en torno al dato, las empresas energéticas descuidan dos prácticas clave: en primer lugar, un observatorio del mercado basado en inteligencia que facilite nuevas oportunidades de negocio, que todas las empresas sustituyen por monitorizaciones periódicas de forma manual; en segundo lugar, un observatorio del dato basado en inteligencia para detectar prácticas novedosas que permitan sacar partido a los datos, que, de nuevo, no aplica ninguna empresa.

Innovación

Existen niveles moderados de conocimiento del cliente: por un lado, apenas un tercio de las energéticas analiza con asiduidad su experiencia para rediseñarla, con niveles moderados de flexibilidad; por otro, el nivel de conocimiento del cliente es mejorable, con sólo un 30% de empresas que enriquece su visión a partir de datos externos, y sin una búsqueda constante de nuevas fuentes. Sin embargo, la aspiración de mejora en este ámbito en el medio plazo es limitada.

Operaciones

Cliente

Protección

La receptividad de las empresas a nuevas formas de explotación del dato y su utilización en los observatorios de mercado son palancas clave para

planteamientos innovadores basados en la gestión del dato.

215










215

Dimensiones, Innovación Energía


• En cuanto a sus capacidades de innovación en torno al dato, las empresas energéticas descuidan dos prácticas clave: en primer lugar, un observatorio del mercado basado en inteligencia que facilite nuevas oportunidades de negocio, que todas las empresas sustituyen por monitorizaciones periódicas de forma manual; en segundo lugar, un observatorio del dato basado en inteligencia para detectar prácticas novedosas que permitan sacar partido a los datos, que, de nuevo, no aplica ninguna empresa

• La integración del dato y la analítica en la propuesta de valor es el ámbito donde las empresas hacen más énfasis, con la mitad de ellas logrando niveles altos de aplicación, aun obteniendo resultados moderados

• Lo ecosistemas del dato están poco extendidos, con tendencia a embarcarse en alianzas de forma selectiva según trazabilidad del dato compartido para asegurar su calidad, o la aportación de datos de negocios adyacentes que supongan sinergias. De este modo, solo un 11% mantienen algún tipo de alianza enfocada al dato

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Dimensiones / Innovación

Innovación

Ascendant 2019

Energía

Dimensiones

Para innovar en base al dato, es imprescindible que las empresas estén abiertas a las novedades en formas de explotación del dato y las apliquen

en sus observatorios de mercado.

217


217

Dimensiones, Cliente Energía



Marca

Marca






5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Dimensiones / Cliente

Cliente

Ascendant 2019

Energía

Dimensiones

La explotación del conocimiento del cliente todavía tiene recorrido por la sofisticación y la búsqueda de nichos de valor,

aplicando analítica avanzada sobre los datos disponibles.

• Existen niveles moderados de conocimiento del cliente: por un lado, apenas un tercio de las energéticas analiza con asiduidad su experiencia para rediseñarla, con niveles moderados de flexibilidad; por otro, el nivel de conocimiento del cliente es mejorable, con sólo un 30% de empresas que enriquece su visión a partir de datos externos, y sin una búsqueda constante de nuevas fuentes. Sin embargo, la aspiración de mejora en este ámbito en el medio plazo es limitada. El conocimiento 360º del cliente y la gestión multinegocio, multiproducto y la omnicanalidad también es un reto en el que se sigue trabajando

• En cuanto a la monitorización del entorno para analizar la competencia y la percepción de marca, sólo el 38% monitoriza de forma automatizada y frecuente a su competencia, de forma descriptiva, si bien ninguna capta sus movimientos de forma exhaustiva; sólo un tercio aplica inteligencia en la escucha activa y gestión de su reputación de marca

219


219

Dimensiones, Operaciones Energía


















5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Dimensiones / Operaciones

Operaciones

Ascendant 2019

Energía

Dimensiones

• Las operaciones de soporte no son la prioridad para las empresas energéticas, que prefieren focalizar los esfuerzos en las operaciones de cadena de suministro y producción. Mientras un 22% aplica modelos predictivos sencillos en su función financiera, sólo el 20% aplica modelos analíticos poco sofisticados en las funciones RRHH, TI y compliance

• Mientras un 20% optimiza con inteligencia sus procesos operativos, la mitad de las empresas del sector aplica modelos para el control de calidad y mejora continua en la producción, y un 56% lo hace en la cadena de suministro

• La optimización del ciclo de vida de los activos en base al dato es todavía incipiente, aunque se identifica como una de las claves de la transformación digital en el sector

En el sector la explotación del dato y la analítica es clave para la gestión del ciclo de vida de los activos, sin embargo, no ha sigo prioritaria en

los procesos operativos de soporte.

221


221

Dimensiones, Protección Energía

Fraude

Privacidad

Privacidad

Riesgos

Riesgos







Fraude


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Dimensiones / Protección

Protección

Ascendant 2019

Energía

Dimensiones

• A pesar de las presiones regulatorias que afectan al tratamiento del dato, un 89% de empresas asegura el cumplimiento de la normativa

• Son todavía más llamativos los esfuerzos por reforzar la seguridad de los datos: el 90% de empresas protege de forma sólida sus datos de accesos indebidos y afirma que todos los datos están anonimizados

• Sin embargo, no se observa el mismo énfasis en la protección del negocio: a pesar de existir una voluntad de mejora, el 60% de empresas no protege sus operaciones contra el fraude empleando los datos, y sólo un 10% aplica modelos analíticos de riesgos para detectar cambios del entorno que pudieran hacer peligrar al negocio

Si bien la concienciación de las energéticas respecto a la seguridad de la información es alta debido a la alta regulación del sector, no se extrae todo el valor del uso de la analítica del dato en la protección frente a riesgos digitales.

223

¿Cuáles son las prioridades de las empresas del sector Energía?

223 Ascendant 2019

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Energía / Casos de uso


Las empresas energéticas declaran haber implementado con éxito los siguientes casos de uso:

Modelos de mantenimiento predictivo de infraestructuras físicas para optimización del mantenimiento y prevención de averías.

Modelos analíticos de optimización de producción para lograr ahorros de costes y aumentar la productividad de los recursos.

Analítica aplicada a la optimización de la distribución: planificación, modelos de fraude,…

Algoritmia de predicción de producción y de demanda para planificaicón de compra-venta y optimización de la estrategia de mercado.

Personalización de producto a cliente final.

Los casos de uso predominantes están relacionados con las operaciones industriales: las empresas energéticas han implementado con éxito, sobre todo, algoritmia aplicada a la optimización de la producción, la planificación de abastecimiento, el mantenimiento,…Tímidamente, las empresas de energía también se aproximan al consumidor final, haciendo esfuerzos por conocerle y ofertar servicios personalizados que maximicen sus ventas.


Las energéticas afirman estar invirtiendo especialmente en los siguientes casos de uso:

Algoritmia avanzada para la optimización de operaciones de producción en tiempo real.

Optimización de la distribución: mejora logística en base a analítica, planificación inteligente, modelos de mantenimiento de la red y modelos analíticos para garantizar la seguridad durante el transporte.

Modelos analíticos de pricing para maximización de beneficios.

Automatización inteligente de actividades de back office para eficientar la getión económica.

Optimización de red de suministro de servicio para asegurar las mejores localizaciones de los puntos de servicio, eficientando el dimensionamiento de la red mientras se asegura el servicio al cliente.

Las empresas del sector aspiran a llevar sus casos de uso exitosos relacionados con actividades de producción un paso más allá, apostando por la optimización en tiempo real.

Continúan también perfeccionando el funcionamiento de su distribución en base a modelos analíticos, y comienzan a invertir en explorar las ventajas de la analítica en otros ámbitos, con cierto foco en cliente final: pricing a cliente final, optimización inteligente de función de gestión económica, dimensionamiento de su red de servicio,…


Entre las energéticas, están despertando interés los siguientes casos de uso:

Algoritmia para autonomía total de operaciones de planta y de distribución. Les gustaría que sus funciones core pudieran automatiarse al máximo en base al dato.

Algoritmia aplicada a funciones de soporte para minimizar la dependencia del factor humano y eficientar las áreas corporativas.

Implementación de tencologías del dato para optimizar la gestión de datos, visibilidad y la trazabilidad de producto y contratosAnálisis de experiencia del cliente final para su fidelización.

Refuerzo de la ciberseguridad: modelos analíticos para prevenir el fraude y asegurar las operaciones, así como para proteger los activos críticos y los datos de la compañía.

El 10% de las empresas desconocen qué casos de uso querrían llevar a cabo, lo cual denota cierta necesidad de orientación acerca de las oportunidades del dato y la analítica a atrapar.

Se observe clara inclinación hacia automatizar en base al dato todas las funciones posibles, incluso las core como producción o distribución: las empresas energéticas ven en el dato una fuente de eficiencia en costes y tiempos.Algunas siguen observando una necesidad de modernizar su tecnología para adaptarse a la realidad del dato, y, de forma minoritaria, el conocimiento del cliente y la seguridad apoyada en modelos analíticos son otros campos que se quieren reforzar.


Las empresas energéticas invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Implementación de capacidades de captación de datos en planta.

Modelos analiticos de optimización de fuerzas de campo y gestión de personal técnico.

Modelo de analisis del estado de activos físicos

Análisis de experiencia de cliente.

Implementación de ciertos dashboards de gestión interna.

Casi todas las empresas entrevistadas registran algún fracaso, señal de que la mayoría han experimentado intensivamente con el dato y la analítica. Los casos de uso fracasados tienden a copar las áreas operativas (actividades de planta y mantenimiento), con una minoría de casos centrados en la experiencia del cliente y las funciones transversales internas.

Entre los motivos de estos fracasos, las empresas entrevistadas destacan, especialmente, la falta de un gobierno del dato previo que menoscabó la efectividad de los modelos introducidos y una gestión del cambio débil que dificultó su implementación.

5

1

2

3

4

5

1

2

3

4

1

2

3

4

5

1

2

3

4

225

Farma

225

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma

Ascendant 2019

227 227

Farma

Iniciativas con perfiles especialistas

Búsqueda de datos externos

Transformación cultural

Recorrido en visibilidad de operaciones

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma

Ascendant 2019


El cumplimiento como prioridad

El estricto marco regulatorio en relación al tratamiento y uso de información hace que la industria farmacéutica ponga en marcha mecanismos y políticas avanzadas sobre la correcta utilización y tratamiento de datos relacionados con ensayos clínicos y las actividades de fármaco-vigilancia, entre otras.

Estrategias B2C incipientes

Al igual que en otros sectores de actividad, el sector farmacéutico comienza a establecer estrategias de conocimiento del consumidor/ paciente, principalmente para aquellos medicamentos y productos con una comercialización no regulada y sobre los que se pueden aplicar estrategias de marketing B2C.

Tres vías para extraer el valor de los datos

El sector comienza a plantear iniciativas para aprovechar el potencial del uso inteligente de los datos, principalmente a través de tres vías:

a) Por un lado, los datos relacionados con operaciones y planta para hacer más eficiente la cadena logística u optimizar la producción.

b) Por otro lado, la información de ensayos clínicos, I+D, fármaco-vigilancia y patentes, que han de ser tratadas con las máximas medidas de seguridad y cumplimiento normativo debido a la alta regulación y los derechos de propiedad intelectual al uso en el sector.

c) Por último, la información de inteligencia comercial y de hábitos de consumo, área en la que existen compañías que han lanzado iniciativas de manera aislada (por departamentos) y donde se observa un alto recorrido de mejora.

La extracción del valor de los datos en el sector está fuertemente condicionada por la estricta regulación que le aplica; sin embargo, asegurando su

cumplimiento, las empresas farmacéuticas encuentran múltiples oportunidades aprovechables en la eficiencia operativa y el conocimiento del paciente.

Las empresas comienzan a capturar datos de líneas de producción para realizar casos de uso de las mejoras de las operaciones

El sector farmacéutico es consciente del potencial del dato en toda la cadena de valor de la industria, desde la investigación y el ensayo clínico (I+D+I), a la comercialización (B2B), o el uso del medicamento tanto dentro como fuera de patente (B2C). A pesar del alto grado de concienciación sobre su importancia, no es común encontrar en las compañías farmacéuticas españolas perfiles que integren el uso de los mismos, siendo estos explotados en iniciativas concretas de departamentos específicos.

Asimismo, es necesario robustecer y construir un modelo de abastecimiento de datos externos. En este sentido, uno de los grandes retos del sector consiste en disponer de datos de venta fidedignos por punto de venta o farmacia. Tampoco se dispone de datos elaborados sobre el censo de farmacias y su potencial por el tipo de público cercano al punto de venta, con los que hacer más eficiente la visita a la farmacia.

La cultura del dato no está extendida entre las organizaciones farmacéuticas. Es necesario potenciar las iniciativas de evangelización en torno al valor del dato, estableciendo directrices y visión end2end en las organizaciones.

Las áreas transversales disponen habitualmente de herramientas de análisis básico de datos. No obstante, la visión end2end de las operaciones no está correctamente resuelta, encontrándose carencias en la previsión de demanda para orquestar la logística y producción de acuerdo a aquella. Las empresas comienzan a captura e historificar datos de líneas de producción para realizar casos de uso de las mejoras de las operaciones, pero el sector está todavía en un estado embrionario.

229 229

Farma


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Habilitadores Digitales

Ascendant 2019

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Farma


Las multinacionales tienen más claro el punto hacia el que dirigirse, mientras que las empresas nacionales se muestran a la expectativa

y tienden a la reactividad.

La implantación de estrategias de Organizaciones Orientadas al Dato, está siendo muy lenta: apenas un cuarto de las empresas entrevistadas contempla proyectos relativos al dato dentro de su plan estratégico por división o línea de negocio, incluyendo objetivos, iniciativas, hitos, recursos y plazos definidos; el resto se encuentra bien en proceso de cambio de la estrategia, o bien en la fase final de definición de la misma. Las motivaciones principales por las que se acometen estrategias de transformación en torno al dato son, de forma predominante, incrementar la efectividad y la eficiencia de procesos y, de forma incipiente, dirigir la innovación hacia el cliente e incrementar el aporte de servicios de valor añadido al consumidor/paciente.

A diferencia de lo observado en otros sectores, entre las farmacéuticas no parece existir una convicción generalizada sobre la conveniencia de evolucionar hacia una Organización Orientada al Dato. Sólo la mitad de las empresas entrevistadas muestran convencimiento total sobre la necesidad de transformación hacia una Organización Orientada al Dato, mientras que el compromiso es difuso en el resto. Sólo un 25% de las empresas cuenta con un gobierno del dato centralizado; el resto no tiene un gobierno sólido: la mitad de las empresas entrevistadas reconoce contar con un gobierno del dato por silos.

El 75% de las empresas farmacéuticas combinan las infraestructuras en la nube con otras on premise, donde reside generalmente la información. Hay una tendencia clara a evolucionar a cloud en el medio plazo por parte de todas las empresas.El procesamiento y explotación de datos suele abordarse de forma tradicional: la información se procesa y explota predominantemente a través de herramientas de data processing (SQL) y departamentales, siendo incipientes los entornos colaborativos.

No puede hablarse de implantación homogénea de una cultura del dato ya que la implantación difiere en función de las áreas o divisiones de negocio. Es patente un mayor nivel de familiarización con el dato en empresas multinacionales.En cuanto a capacidades, la escasez de recursos humanos es evidente: el 75% de las empresas admite carecer del talento necesario para abordar todos los proyectos de dato y analítica que se están ejecutando en sus empresasPese a que todas las empresas facilitan a sus empleados el acceso a informes, la democratización y el autoservicio de datos es un objetivo complejo, debido a la sensibilidad de la información que maneja el sector.

Estrategia


Cultura & Talento

NFT: Nuevas Formas de Trabajo

231 231

• El principal desafío del sector consiste en alcanzar la visión 360 del consumidor/paciente, proceso que implica modificar sus estrategias comerciales, evolucionando su modelo de venta al prescriptor, con un enfoque en torno al dato que integre también al consumidor/paciente

• La implantación de estrategias de Organizaciones Orientadas al Dato está siendo muy lenta: apenas un cuarto de las empresas entrevistadas contempla proyectos relativos al dato dentro de su plan estratégico por división o línea de negocio, incluyendo objetivos, iniciativas, hitos, recursos y plazos definidos; mientras el resto se encuentra bien en proceso de cambio de la estrategia, o bien en la fase final de definición de la misma

• Las motivaciones principales por las que se acometen estrategias de transformación en torno al dato son, de forma predominante, incrementar la efectividad y la eficiencia de procesos y, de forma incipiente, dirigir la innovación hacia el cliente e incrementar el aporte de servicios de valor añadido al consumidor/paciente. Un 25% de empresas todavía mantiene una actitud reactiva y no ha tomado una decisión en cuanto al objetivo de su estrategia del dato

Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Habilitadores Digitales / Estrategia

Ascendant 2019









Habilitadores Digitales, Estrategia Farma


Farma


Las multinacionales tienen más claro el punto hacia el que dirigirse, mientras que las empresas nacionales se muestran a la expectativa

y tienden a la reactividad.



233

Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Habilitadores Digitales / Organización

Ascendant 2019 233









Gobierno del dato

Gobierno del dato



Habilitadores Digitales, Organización Farma


Farma


La falta de recursos con talento digital suele primar sobre la asignación de presupuestos.

• A diferencia de lo observado en otros sectores, entre las farmacéuticas no parece existir una convicción generalizada sobre la conveniencia de evolucionar hacia una Organización Orientada al Dato. Solo la mitad de las empresas entrevistadas muestran convencimiento total sobre la necesidad de transformación hacia una Organización Orientada al Dato, mientras que el compromiso es difuso en el resto

• Los roles específicos para la gestión del cambio

no están claramente definidos, recayendo esta responsabilidad en áreas como IT, Trasformación Digital, Operaciones o incluso la Oficina del CEO

• Sólo un 25% de las empresas cuenta con un gobierno del dato centralizado; el resto no tiene un gobierno sólido: la mitad de las empresas entrevistadas reconoce contar con un gobierno del dato por silos (aunque aspiran a implementar un único dueño del dato), y otro 25% aspira a tener un modelo federado, con un área responsable del dato y delegado o representantes del mismo por área o división. El gobierno de la inteligencia apenas ha empezado a trabajarse

235

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Habilitadores Digitales / Cultura y Talento

Cultura & Talento

Ascendant 2019


Mentalidad

Mentalidad

Capacidades

Capacidades







235

Farma

Habilitadores DigitalesHabilitadores Digitales, Cultura y Talento Farma


La cultura del dato tiene un largo recorrido de mejora, sobre todo en empresas locales, y el tipo de información manejada limita

la manera de trabajar en torno al dato.

• No puede hablarse de implantación homogénea de una cultura del dato ya que la implantación difiere en función de las áreas o divisiones de negocio. Es patente un mayor nivel de familiarización con el dato en empresas multinacionales

• En cuanto a capacidades, la escasez de recursos humanos es evidente: el 75% de las empresas admite carecer del talento necesario para abordar todos los proyectos de dato y analítica que se están ejecutando en sus empresas

• Pese a que todas las empresas facilitan a sus empleados el acceso a informes, el autoservicio de datos es un objetivo complejo, debido a la confidencialidad y sensibilidad de la información que maneja el sector. Por ahora, no existe democratización y las metodologías de trabajo tienden a ser tradicionales

237

Infraestructura




237

• Tres de cada cuatro empresas farmacéuticas combinan las infraestructuras en la nube con otras on premise, donde reside generalmente la información. Hay una tendencia clara a evolucionar a cloud en el medio plazo por parte de todas las empresas

• El procesamiento y explotación de datos suele abordarse de forma tradicional: la información se procesa y explota predominantemente a través de herramientas de data processing (SQL) y departamentales, siendo incipientes los entornos colaborativos

• En general, las farmacéuticas disponen de herramientas tecnológicas poco sofisticadas para la captura y almacenamiento del dato, con sólo un 25% de empresas con capacidad de ingestar en tiempo real

• Tampoco disponen de herramientas específicas para facilitar el gobierno del dato (diccionarios, MDMs o calidad) y los despliegues son manuales

Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Habilitadores Digitales / Tecnología

Ascendant 2019

Farma

Habilitadores DigitalesHabilitadores Digitales, Tecnología Farma


Infraestructura




La tecnología es muy poco sofisticada, especialmente en aquellos ámbitos de máxima importancia para el uso efectivo del dato y la analítica: la gestión

del ciclo de vida del dato y el gobierno del mismo.

239

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Inteligencia

Ascendant 2019

Apenas una de cada cuatro empresas cuenta con prácticas de escucha que les ayuden a conocer mejor el entorno, por lo que adolecen de una visión parcial del entorno competitivo. Trasladar los insights extraídos de esta actividad a estrategias comerciales es una tarea pendiente en el sector.

EscuchaRespecto a las decisiones operativas, en una de cada cuatro organizaciones estas se toman en base a modelos analíticos sencillos que automatizan la decisión. En el resto, continúa imperando la intervención del profesional a la hora de tomar decisiones.

Actúa

El 75% de las farmacéuticas admite captar únicamente datos estructurados; un 25% es capaz de captar voz. También tres cuartos reconocen almacenar datos a los que todavía no ha dado ningún uso, o bien resulta complicado hacerlo por limitaciones legales.

Analiza

Farma

InteligenciaCapacidades de gestión del dato: Inteligencia Farma















Las capacidades de inteligencia, claves en la extracción de valor del dato, tienen un nivel moderado de desarrollo: especialmente, las empresas

tienen pendiente avanzar en autoaprendizaje. De nuevo, las empresas multinacionales muestran tendencia

a tener todas estas capacidades más desarrolladas que las locales.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

241









Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Dimensiones

Ascendant 2019

Farma

Dimensiones

241

Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Farma









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

Todas las farmacéuticas analizadas coinciden en destacar como objetivo común la personalización y customización de la propuesta de valor, enfocados hacia el hito de una medicina aún más individualizada. Sin embargo, ninguna integra todavía el dato y la analítica en su propuesta de valor a un nivel que permita acercarse a este objetivo.Ninguna de las empresas entrevistadas ha explorado las posibilidades de colaboración en un ecosistema de players digitales, en parte debido a las restricciones legales, lo cual merma su capacidad de innovación en torno al dato.

Debido a su distante relación con el consumidor/paciente, en este sector no es habitual disponer de journeys de cliente o datos relacionados con la experiencia del paciente, más allá de los datos capturados con el cuerpo médico implicado en actividades de fármaco-vigilancia. Por esto, sólo un 25% de las empresas logra adaptar, de forma poco sofisticada, la experiencia en base al conocimiento.Sin embargo, mejorar el conocimiento del consumidor/paciente y los puntos de fricción del costumer journey a partir de los datos disponibles es el objetivo común de todo el sector. Tres de cada cuatro farmacéuticas espera haber mejorado en un plazo de 3-5 años su relación con el consumidor/paciente en base al dato.

Innovación

ClienteLas empresas no están extrayendo toda la utilidad que la analítica de datos ofrece para proteger el negocio y sus operaciones. Los procesos de scoring, revisión y auditorías internas para prevenir fraudes se realizan de forma tradicional, sin haber introducido la analítica predictiva ninguna de las empresas. A pesar de la delicadeza de los datos que se manejan, sólo la mitad de las empresas tiene políticas sólidas de anonimización de datos, y el 25% de empresas necesita reforzar la securización de los datos frente a ataques y accesos indeseados.

Protección

Las empresas comienzan a capturar e historificar datos procedentes de las líneas de producción para extraer casos de uso de las mejoras en las operaciones, aunque están en una fase embrionaria. Respecto a la cadena de suministro, sólo el 25% de las empresas están integradas con los proveedores a un nivel tal que comparten datos que permiten un grado satisfactorio de optimización.Todavía no se optimizan los procesos back office en base a la analítica de datos. Únicamente en la función TI es incipiente el uso de modelos analíticos sencillos; a pesar de las posibilidades de optimización de esta función, sólo un 25% de las empresas aplica capacidades predictivas.

Operaciones

La personalización de la propuesta de valor es el objetivo a largo plazo, pero el progreso para llegar al mismo es lento. El sector trata de mejorar el

conocimiento del cliente final y aumentar el potencial de venta a partir de éste.


243

• Todas las farmacéuticas analizadas coinciden en destacar como objetivo común la personalización y customización de la propuesta de valor, enfocados hacia el hito de una medicina aún más individualizada. Sin embargo, ninguna integra todavía el dato y la analítica en su propuesta de valor a un nivel que permita acercarse a este objetivo

• Ninguna de las empresas entrevistadas ha explorado las posibilidades de colaboración en un

ecosistema de players digitales, en parte debido a las restricciones legales, lo cual merma su avance capacidad de innovación en torno al dato

• Adicionalmente, ninguna monitoriza de forma exhaustiva, ni siquiera por métodos tradicionales, los avances en tecnologías del dato y las últimas tendencias en analítica

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Dimensiones / Innovación

Innovación

Ascendant 2019

Farma

Dimensiones










243

Dimensiones, Innovación Farma

La personalización de la propuesta de valor es el objetivo a largo plazo, pero el progreso para llegar al mismo es lento. Las empresas farmacéuticas necesitan

invertir más esfuerzos en estudiar todas las posibilidades que ofrece la analítica de datos y en crear ecosistemas del dato.

245

• Debido a su distante relación con el consumidor/paciente, en este sector no es habitual disponer de journeys de cliente o datos relacionados con la experiencia del paciente, más allá de los datos capturados con el cuerpo médico implicado en actividades de fármaco-vigilancia. Por esto, sólo un 25% de las empresas logra adaptar, de forma poco sofisticada, la experiencia en base al conocimiento

• Sin embargo, mejorar el conocimiento del consumidor/paciente y los puntos de fricción del costumer journey a partir de los datos disponibles

es el objetivo común de todo el sector. Tres de cada cuatro farmacéuticas espera haber mejorado en un plazo de 3-5 años su relación con el consumidor/paciente en base al dato

• Respecto al conocimiento del mercado, la mayoría de las empresas dispone de herramientas que capturan datos de pricing y posicionamiento. Sin embargo, sólo el 25% gestiona la reputación de marca con técnicas de machine learning

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Dimensiones / Cliente

Cliente

Ascendant 2019

Farma

Dimensiones


245

Dimensiones, Cliente Farma



Marca

Marca





El sector trata de mejorar el conocimiento del cliente final y aumentar el potencial de venta a partir de éste. Sin embargo, el grado de visibilidad del

paciente y de explotación de la información dista mucho del nivel necesario.

245

247

• Las empresas comienzan a captura e historificar datos procedentes de las líneas de producción para extraer casos de uso de las mejoras de las operaciones, aunque estas iniciativas se encuentran todavía en estado embrionario

• Respecto a la cadena de suministro, sólo el 25% de las empresas están integradas con los proveedores a un nivel tal que comparten datos que permiten un grado satisfactorio de optimización

• Todavía no se optimizan los procesos back office en base a la analítica de datos. Únicamente en la función TI es incipiente el uso de modelos analíticos sencillos; a pesar de las posibilidades de optimización de esta función, sólo un 25% de las empresas aplica capacidades predictivas

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Dimensiones / Operaciones

Operaciones

Ascendant 2019

Farma

Dimensiones


247

Dimensiones, Operaciones Farma

















Sólo una de cada cuatro empresas mejora sus procesos core gracias al dato, con un amplio margen de evolución de la analítica de datos aplicada.

249

• Las empresas no están extrayendo toda la utilidad que la analítica de datos ofrece para proteger el negocio y sus operaciones. Los procesos de scoring, revisión y auditorías internas para prevenir fraudes se realizan de forma tradicional, sin haber introducido la analítica predictiva ninguna de las empresas. Tampoco se emplea la analítica para la prevención de amenazas futuras, confiando en el criterio de los profesionales

• A pesar de la delicadeza de los datos que se manejan, sólo la mitad de las empresas tiene políticas sólidas de anonimización de datos, y el 25% de empresas necesita reforzar la securización de los datos frente a ataques y accesos indeseados

• Como punto positivo, existe cumplimiento total de la normativa europea y española en el tratamiento del dato

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Dimensiones / Protección

Protección

Ascendant 2019

Farma

Dimensiones


249

Dimensiones, Protección Farma

Fraude

Privacidad

Privacidad

Riesgos

Riesgos







Fraude

Si bien la concienciación de las farmacéuticas respecto a la seguridad de la información es alta debido a la alta regulación del sector, no se extrae todo el valor del uso de la analítica del dato en la protección frente a riesgos digitales.


251

¿Cuáles son las prioridades de las empresas del sector Farma?


Las empresas farmacéuticas declaran haber implementado con éxito los siguientes casos de uso:

Monetización de datos recogidos con sensórica.

Segmentación de clientes por rentabilidad.

El sector muestra un estado embrionario en la experimentación con la aplicación del dato y la analíticaen el negocio de las empresas farmacéuticas, que se manifiesta en la obtención de éxitos por la mitad de las empresas, mientras el resto todavía necesitan orientación y finalizar sus casos de uso en curso.Los casos de uso exitosos se limitan a los ámbitos de conocimiento del cliente y monetización de datos internos.


Las empresas farmacéuticas afirman estar invirtiendo especialmente en los siguientes casos de uso:

Modelos analíticos de pricing para optimización de tarifas.

Analítica predictiva aplicada a comportamiento decliente para maximizar ventas y retención, direccionando de forma inteligente los esfuerzos comerciales.

Implementación de herramientas de analítica comercial para extraer el máximo partido al conocimiento del cliente.

Mientras una minoría de las empresas todavía no está invirtiendo en ningún caso de uso, es común una creciente orientación de los esfuerzos hacia el cliente final: los casos de uso más destacados están relacionados con el análisis del consumidor final paraoptimizar las ventas y perfeccionar el diseño del producto.

Internamente, las farmacéuticas también aprovechanlas ventajas de la algoritmia en las primeras fases decreación de sus productos (investigación).


Entre las empresas farmacéuticas, están despertando interés los siguientes casos de uso:

Análisis de comportamientos de compra para decidir estrategias de penetración en el mercado.

Integración de información de fuentes externas para maximizar ventas.

Todavía una minoría de empresas afirman estar enproceso de definición de los casos de uso en los quequerrían invertir, lo que denota cierta necesidad deorientación en el sector.

Los casos de uso más comunes se centran en la maximización de ventas: análisis de comportamientodel consumidor, análisis del mercado,… De maneraincipiente, se observa inquietud por enriquecer los datos captados internamente con datos de fuentes externas, que facilitan la visibilidad sobre el consumidor final de los medicamentos. La concienciación sobre la necesidad de crear ecosistemas del dato es todavía muy embrionaria en un sector estrictamente regulado y con tendencia a un enfoque tradicional.


Las empresas farmacéuticas invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Implementación de herramientas de análisis de datos del paciente.

Replicación de datos entre soluciones tecnológicas de gestión del dato.

Varias empresas todavía afirman no contar con casos de uso fracasados, lo que, de nuevo, pone de manifiesto el lento avance del sector en la implementación de la analítica de datos.

Los casos de uso fracasados están relacionados con la transformación tecnológica de las empresas: la adopción de tecnologías del dato y la replicación de bases de datos en nuevos sistemas implementados son casos que, según las empresas entrevistadas, han fracasado por ausencia de gobierno del dato previo y falta de mecanismos de gestión del cambio adevcuados respectivamente.

251 Ascendant 2019

1

2

3

1

22

11

2

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Farma / Casos de uso

253

Industria

253

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria

Ascendant 2019

255 255

Industria

Foco en cliente final

Optimización inteligente de operaciones

Innovación en base al dato

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria

Ascendant 2019


Foco en operaciones

El sector de la industria es históricamente uno de los más activos en lo referente a la digitalización e innovación, sobre todo centrada en operaciones. El Gobierno del dato no es una excepción a esta tendencia. Las empresas del sector son conscientes de sus objetivos en lo relativo a la gestión de la información y trabajan activamente en su cumplimiento, si bien queda mucho recorrido de mejora incluso en su ámbito natural: las operaciones.El sector industrial, gracias su avanzado grado de automatización, dispone de una gran cantidad de datos relativos a sus procesos. Aunque las empresas del sector cuentan con la tecnología para almacenar y procesar los datos, en general no son capaces de aprovechar la información para generar un impacto en su negocio. La explotación de los datos y el aprendizaje de los mismos van a ser importantes campos de mejora en el futuro del sector.

La inteligencia: el aspecto clave

La gestión del ciclo de vida del dato será clave en la orientación hacia OOD de estas empresas: predomina la captación y explotación de datos estructurados, con capacidades de escucha externa, en general, poco sofisticadas. Como aspecto positivo, el sector muestra inquietud por incluir capacidades cognitivas en la gestión de su algoritmia.

El reto de la escasez de capacidades

El sector de la industria va a tener que afrontar una problemática común a muchos sectores, la ausencia de perfiles con la capacidades necesarias para afrontar los restos asociados al gobierno del dato. Las empresas del sector van a tener que crear planes de formación, reciclaje y captación para contar con las capacidades necesarias para abordar los proyectos de gestión del dato que van a tener que acometer.

Mientras el sector muestra cierto grado de avance en torno al dato en sus operaciones, se enfrenta a retos como el desarrollo de la cognitiva

y de incorporación de capacidades especialistas para generar un impacto en negocio.

Este sector, tradicionalmente, enfocaba su explotación del dato al uso del volumen ingente de datos operativos internos a efectos de optimización operativa; sin embargo, este modelo está evolucionando hacia uno con foco en el conocimiento del cliente y en el valor añadido al mismo.

En el ámbito de las operaciones, si bien las funciones transversales tienden a mostrar modelos sencillos y falta de aplicación de analíticas avanzada, las operaciones de producción muestran un avance superior, siendo el mantenimiento predictivo una práctica que se va extender en los próximos años.

A nivel de innovación, las empresas comienzan a desarrollar sus primeras líneas de producto con el dato como core de las mismas, así como a establecer los primeros ecosistemas con startups y empresas tecnológicas. Para asegurar el éxito de la innovación, las empresas comienzan a enfatizar el conocimiento del cliente, buscando llegar a la máxima visibilidad del cliente final.

257 257

Industria


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Habilitadores Digitales

Ascendant 2019

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Industria


Para convertirse en una Organización Orientada al Dato; deben trabajar en definir un plan estratégico específico del dato y la analítica, así como asegurar

que disponen del talento y la tecnología necesaria.

A pesar de que la aportación de valor de la analítica del dato ya es irrebatible, las empresas del sector no han terminado de aclarar su estrategia en torno a éste. Un 25% duda acerca de hacia dónde dirigir sus esfuerzos, y el resto comienza a atisbar los negocios del futuro que pretenden articular alrededor del dato, aunque todavía de manera difusa. A la tendencia natural en el sector de enfocarse en la eficiencia operativa se añade un nuevo foco en producto e innovación, si bien con tendencia clara a actuar como early followers más que como pioneras en el uso del dato.

En el 25% de las empresas, la primera línea de dirección coincide en la necesidad del cambio, mostrando la mayor claridad estratégica. Este impulso permea en la organización a otros niveles, mostrando estas empresas un modelo de liderazgo en la orientación al dato más claro que el resto. En cuanto al gobierno del dato y de la inteligencia, todas las empresas han lanzado iniciativas aisladas, sin contar con gobiernos del dato y de la analítica robustos. El sector debe darse prisa en alcanzar su aspiracional: este gobierno es imprescindible para evolucionar hacia modelos sofisticadas de extracción de valor de los datos.

Respecto a su infraestructura específica del dato y la analítica, este sector está escasamente preparado para la gestión de grandes volúmenes de datos de forma flexible: mientras la modalidad más habitual de infraestructura es on premise, sólo un 25% dispone de infraestructuras cloud, con una minoría híbrida.La tecnología que soporta el ciclo de vida del dato es muy clásica. El procesado sigue siendo tradicional (batch). Respecto a la explotación, la mayoría de las empresas utiliza herramientas convencionales y pocas empresas procesan el dato en tiempo real.

Menos del 50% de las empresas del sector afirman haber alcanzado cierto grado de concienciación sobre la calidad del dato y las oportunidades que facilita. Todas ellas está llevando a cabo acciones para extender la mentalidad del dato en la organización, aunque apenas un 25% se declara cómoda a la hora de centralizar esta mentalidad en las áreas más intensivas en el manejo de datos.Las formas de trabajar en torno al dato evolucionan muy lentamente. Mientras las metodologías predominantes son tradicionales, el punto más preocupante es la democratización del dato, prácticamente inexistente: el 75% de empresas identifica como principales obstáculos para su difusión la seguridad y las herramientas disponibles.

Estrategia


Cultura & Talento


259 259

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Habilitadores Digitales / Estrategia

Ascendant 2019





Habilitadores Digitales, Estrategia Industria


Industria







• A pesar de que la aportación de valor de la analítica del dato ya es irrebatible, terminando las empresas del sector no han terminado de aclarar su estrategia en torno a este. Un 25% duda acerca de hacia dónde dirigir sus esfuerzos, y el resto comienza a atisbar los negocios de futuro que pretenden articular alrededor del dato, aunque todavía de manera difusa

• A la tendencia natural en el sector de enfocarse en la eficiencia operativa se añade un nuevo foco en producto e innovación, si bien con tendencia clara a

actuar como early followers más que como pioneras en el uso del dato. Mientras la mayoría de empresas tiende a contemplar la evolución limitándose a su propio sector, sólo un 25% observa mejores prácticas en torno al dato en otros sectores, con productos relacionados con el suyo

• Todavía un 25% de empresas está pendiente de definir el roadmap que orientará las acciones establecidas en torno al dato

Estrategia

Para orientarse al dato extrayendo todo el potencial de éste, las empresas industriales necesitan trabajar en la claridad de su estrategia.



261

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Habilitadores Digitales / Organización

Ascendant 2019 261




Gobierno del dato


Habilitadores Digitales, Organización Industria


Industria





Gobierno del dato



• En tres de cada cuatro empresas, la primera línea de dirección coincide en la necesidad del cambio, mostrando la mayor claridad estratégica muestran. Este impulso, esto permea en la organización a otros niveles, mostrando estas empresas un modelo de liderazgo de la orientación al dato más claro que el resto. Sin embargo, sólo un 50% disponen de un CDO que dé forma e impulse esta evolución

• Actualmente sólo el 50% afirma tener una cantidad de recursos suficiente para sus iniciativas en torno al dato. Si bien todas aspiran a incrementar sus recursos en el medio plazo, el máximo reto es la falta de recursos humanos

• En cuanto al gobierno del dato y de la inteligencia, todas las empresas tienen iniciativas aisladas, sin contar con gobiernos del dato y de la analítica robustos. El sector debe darse prisa en alcanzar su aspiracional: este gobierno es imprescindible para evolucionar hacia formas más precisas y sofisticadas de extracción de valor de los datos

Organización

Las empresas de este sector están tratando de asegurar la calidad de sus datos y sus algoritmos, por lo que la extracción de valor de la información es

ampliamente mejorable.

263

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Habilitadores Digitales / Cultura & Talento

Ascendant 2019


Mentalidad




263

Industria

Habilitadores DigitalesHabilitadores Digitales, Cultura y Talento Industria

Mentalidad





• Menos de la mitad de las empresas del sector afirman haber alcanzado cierto grado de concienciación sobre la calidad del dato y las oportunidades que facilita. Todas ellas está llevando a cabo acciones para extender la mentalidad del dato en la organización, aunque apenas un 25% se declara cómoda a la hora de centralizar esta mentalidad en las áreas más intensivas en el manejo de datos

• El sector en general acusa la falta de capacidades especialistas: sólo la mitad indica que la orientación hacia el dato se ha extendido más allá de las áreas intensivas en su uso, si bien no reconocen una competencia básica en todas las áreas

• Las formas de trabajar en torno al dato evolucionan muy lentamente. Sólo un 25% de las empresas disponen de mecanismso de divuglación sólidos para transmitir entre áreas hallazgos en torno al dato y la analítica que puedan ser de utilidad. Mientras las metodologías predominantes son tradicionales, el punto más preocupante es la democratización del dato, prácticamente inexistente. El 75% de empresas reconocen la seguridad, la cultura organizativa y las herramientas disponibles como principales razones, y sólo el 25% tienen planes para fomentarla

Cultura& Talento

Las empresas de industria tienen una cultura predominantemente tradicional, y se observa poco énfasis en los planes para evolucionarla hacia

una cultura del dato.

265 265

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Habilitadores Digitales / Tecnología

Ascendant 2019

Industria

Habilitadores DigitalesHabilitadores Digitales, Tecnología Industria


Infraestructura




Infraestructura





• Respecto a su infraestructura específica del dato y la analítica, las empresas industriales están escasamente preparadas para la gestión de grandes volúmenes de datos de forma flexible: mientras la modalidad más habitual de infraestructura es on premise, sólo un 25% dispone de infraestructuras cloud, con una minoría híbrida

• La tecnología que soporta el ciclo de vida del dato es muy clásica. El procesado sigue siendo tradicional (batch), así como la ingesta de información a los

informacionales o bases analíticas. Respecto a la explotación, la mayoría de las empresas utiliza herramientas convencionales y pocas empresas procesan el dato en tiempo real. Sólo el 50% dispone de laboratorio para la experimentación

• El 75% de empresas afirma no disponer de ninguna herramienta de data governance, y el resto tienen un set de herramientas sin visión unificada. Los despliegues de nuevos desarrollos apenas están automatizados

Tecnología

La tecnología no está preparada para gestionar el ciclo de vida completo del dato de forma flexible, ágil y que soporte una visión unificada. Esto merma la capacidad de generación de valor a partir del dato.

267

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Inteligencia

Ascendant 2019

Las capacidades de captación de información necesitan evolucionar. Las empresas tienden a observar el entorno de forma cualitativa y discontinua. Son capaces de captar y almacenar datos estructurados y texto, con una minoría que almacena vídeo, aunque no explotado analíticamente posteriormente.

EscuchaSólo el 25% emplea con regularidad los resultados de la analítica en las decisiones operativas diarias.

Actúa

La explotación de los datos también es mejorable. No hay apenas mecanismos de reaprendizaje en los algoritmos, con tendencia a que éstos sean estáticos y dependan de la intervención humana. Además, el 75% de empresas sólo son capaces de explotar datos estructurados.

Analiza

Industria

Inteligencia




Clase de informaciónÉtica e interpretación

Aprendizaje y adaptaciónImpacto de conclusiones analíticas


Capacidades de gestión del dato: Inteligencia Industria





Las capacidades para transformar los datos en impacto sobre el negocio están poco desarrolladas. Apenas se enriquecen los datos propios con conocimiento

del entorno, faltan capacidades de autoaprendizaje en la algoritmia y hay cierto volumen de datos ociosos.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

269


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Dimensiones

Ascendant 2019

Industria

Dimensiones









Marca


SO - RRHHSO - Sistemas





Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Industria








Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

Sólo un 25% de las empresas aplica modelos analíticos en la detección de nuevas oportunidades de negocio, si bien son poco sofisticados y solo un 25% de las empresas es capaz de aplicar los datos generados en su actividad para evolucionar su propuesta de valor.Ninguna de las empresas dispone de un observatorio del dato con capacidades prescriptivas precisas para detectar nuevas tecnologías y tendencias de explotación del dato, ni es una prioridad desarrollarlo.

Mejorar la experiencia cliente para anticiparse a posibles averías o revisiones que sufra el producto es una prioridad generalizada. Sin embargo, sólo la mitad de empresas capta y analiza datos de la experiencia del cliente, y el 50% no tiene un conocimiento completo de su cliente, con esfuerzos por incorporar información externa poco consolidada en el sector.Respecto al conocimiento del mercado, las empresas entrevistadas, el 75% de las empresas afirman que esta función, lejos de recaer en la algoritmia, descansa en equipos humanos y consultoría externa para el análisis de la competencia y el posicionamiento propio.

Innovación

ClienteLas empresas desaprovechan el potencial del dato para proteger su negocio. Lo habitual en todas las empresas industriales es no utilizar ningún modelo para la prevención de fraude y de riesgos que puedan poner en peligro el negocio, o utilizar técnicas que permitan detectar patrones con certeza limitada. A pesar de la presencia de activos críticos en muchas de estas empresas, estas no esperan evolucionar a modelos más complejos y precisos en el medio plazo.Todas las empresas protegen sus datos. El 75% cuenta con políticas de anonimización implantadas, y todas toman medidas para proteger los datos de accesos de riesgo (segmentación de usuarios y redes, control perimetral,…).

Protección

Potenciar las oportunidades que ofrece la inteligencia de datos en las operaciones de back office no es una prioridad. Mientras el resto de funciones no son optimizadas con inteligencia, existen modelos predictivos sencillos en la función financiera en sólo un cuarto de las empresas.Todas las empresas afirman optimizar sus procesos de producción. Sin embargo, sólo un cuarto optimiza su mapa de procesos en base a datos y analítica, y la mitad tiene cierto grado de integración con sus stakeholders que permite recabar datos tanto de ERP como CRM o SCM para optimizar la cadena de suministro.

Operaciones

Anticiparse y conocer las necesidades de los clientes es una de las grandes preocupaciones del sector Industrial.

271

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Dimensiones / Innovación

Ascendant 2019

Industria

Dimensiones





271

Dimensiones, Innovación Industria





• Sólo un 25% de las empresas aplica modelos analíticos en la detección de nuevas oportunidades de negocio, si bien son poco sofisticados

• Si bien sólo un cuarto de las empresas es capaz de aplicar los datos generados en su actividad para evolucionar su propuesta de valor, el 75% esperan poder hacerlo, y de forma más sofisticada, en 3-5 años. Para ello, la mitad han empezado a establecer sus primeras alianzas con empresas de nicho y tecnológicas orientadas al dato

• Ninguna de las empresas dispone de un observatorio del dato con capacidades prescriptivas precisas para detectar nuevas tecnologías y tendencias de explotación del dato, ni es una prioridad desarrollarlo

Innovación

La incorporación de los datos y la analítica en la adaptación de la propuesta de valor es una tendencia clara, que avanza lentamente. Sin embargo, los

observatorios del dato, pieza clave para perfeccionar la extracción de valor del dato, no son una prioridad.

273

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Dimensiones / Cliente

Ascendant 2019

Industria

Dimensiones


Dimensiones, Cliente Industria



Marca

Marca






• Mejorar la experiencia cliente para anticiparse a posibles averías o revisiones que sufra el producto es una prioridad generalizada. Sin embargo, sólo la mitad capta y analiza datos de la experiencia del cliente y todavía el 50% no tiene un conocimiento completo de su cliente, con esfuerzos por incorporar información externa poco consolidados en el sector

• Respecto al conocimiento del mercado, las empresas entrevistadas afirman que esta función, lejos de confiar en la algoritmia descansa en equipos humanos y consultoría externa para el análisis de

la competencia y el posicionamiento propio. Sólo el 25% estudia exhaustivamente la competencia y el mercado con procedimientos automatizados

• Respecto a la gestión reputacional, para el 75% de las empresas es una actividad importante, pero no utilizan analítica sobre datos sino que procedimientos manuales y sólo reaccionan ante posibles hechos que dañen su marca (accidentes, incidentes en algún país, etc.)

Cliente

Anticiparse a las demandas del clientes es un objetivo que requiere todavía mucho trabajo en desarrollar las capacidades de captación de datos

y su analítica.

275

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Dimensiones / Operaciones

Ascendant 2019

Industria

Dimensiones


275

Dimensiones, Operaciones Industria
















• Potenciar las oportunidades que ofrece la inteligencia de datos en las operaciones de back office no es una prioridad. Mientras el resto de funciones no son optimizadas con inteligencia, hay modelos predictivos sencillos en la función financiera en sólo un cuarto de las empresas

• Todas las empresas afirman optimizar sus procesos de producción. Sin embargo, sólo un cuarto optimizan su mapa de procesos en base a datos y analítica, y la mitad tiene cierto grado de integración con sus stakeholders que permite recabar datos tanto de ERP como CRM o SCM para optimizar la cadena de suministro

Operaciones

Si bien estas empresas son intensivas en infraestructura y procesos industriales, la gestión inteligente del ciclo de vida de activos es incipiente y la aplicación de inteligencia a las operaciones presenta cierto margen de mejora.

277

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Dimensiones / Protección

Ascendant 2019

Industria

Dimensiones


Dimensiones, Protección Industria

Privacidad



Fraude

Fraude

Privacidad



Promedio Situación actual Promedio Aspiración de medio plazo 277

• Las empresas desaprovechan el potencial del dato para proteger su negocio. Lo habitual en todas las empresas industriales es no utilizar ningún modelo para la prevención de fraude y de riesgos que puedan poner en peligro el negocio, o utilizar técnicas que permitan detectar patrones con certeza limitada. A pesar de la presencia de activos críticos en muchas de estas empresas, éstas no esperan evolucionar a modelos más complejos y precisos en el medio plazo

• Todas las empresas protegen sus datos. El 75% cuenta con políticas de anonimización implantadas, y todas toman medidas para proteger los datos de accesos riesgosos (segmentación de usuarios y redes, control perimetral,…)

• Un 75% de las empresas aseguran el cumplimiento de normativa local e internacional en el tratamiento y explotación de datos. Todas aspiran al nivel máximo de cumplimiento en el medio plazo

Protección

Aunque las empresas tengan cierto volumen de activos, focalizan sus esfuerzos en cumplir la regulación de tratamiento de datos en lugar de

aprovechar el valor de los modelos analíticos en la prevención de riesgos.

279

¿Cuáles son las prioridades de las empresas del sector Industria?


Las empresas de Industria declaran haber implementado con éxito los siguientes casos de uso:

Analítica avanzada para mantenimiento predictivo de infraestructuras físicas.

Automatización en base al dato de funcionamiento de ciertos dispositivos de apoyo a la operativa industrial.

Aplicación de monitorización de actividad de técnicos para facilitar su gestión.

Analítica de comportamiento de cliente para llevar a cabo acciones de fidelización necesarias, minimizando la fuga de clientes.

Varias empresas han invertido con éxito en casos de uso del dato y la analítica relacionados con el mantenimiento predictivo. Las siguientes prioridades están en torno a operaciones core del negocio, buscando automatización de ciertas funciones industriales y maximización de la visibilidad. En definitiva, las empresas indsutriales han invertido con éxito en optimizaicón inteligente de sus operaciones.

Se observa una minoría de empresas que han invertidoexitosamente en proyectos relacionados con el conocimiento del cliente final.


Las empresas de Industria afirman estar invirtiendo especialmente en los siguientes casos de uso:

Mantenimiento preventivo y planificación automatizada de mantenimientos.

Automatización de procesos de fabricación empleando modelos analíticos para la optimización de las operaciones.

Modelos predictivos para planificación de entregas de producto fabricado, con el objetivo de optimizar la logística.

Analítica sobre base de clientes para orientarcampañas de repuestos, mantenimientos, recompras,… con el objetivo de maximizar los ingresos y optimizar la experiencia de cliente.

Actualmente, las empresas continúan evolucionandoel mantenimiento de los activos físicos de fabricación.Adicionalmente, están invirtiendo en los pasossiguientes a la fabricación: la logística de entrega y elservicio al cliente posterior.

Una minoría se encuentra actualizando su tecnologíapara adaptarse a las nuevas necesidades del dato y laanalítica.


Entre las empresas de Industria, están despertando interés los siguientes casos de uso:

Modelos analíticos de experiencia de cliente durante la compra, el servicio post venta, o la atención en call center.

Actualización de capacidades de analítica: tecnologías, metodologías, técnicas,…

Si bien las empresas de industria han priorizado sus procesos operativos a la hora de invertir en dato y analítica, prevén invertir próximamente en analizar la experiencia del cliente para reforzar el vínculo con la marca. Dado el tipo de producto que venden estas empresas y los largos ciclos de venta, asegurar que sonuna marca de referencia es un motor importante de susventas.

De forma excepcional, pero muy destacable, detectamos la inquietud por crear capacidades integrales de analítica embebidas en la empresa, con perfiles, tecnologías y formas de trabajar que faciliten la extracción del valor del dato y detección de nuevos usos.


Las empresas de Industria invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Implementación de modelos de mantenimiento predictivo.

Enriquecimeinto de base analítica con datos de fuetnes externas.

Se observa cierta homogeneidad en los casos de uso del dato fallidos. De nuevo, los intentos en la implementación de modelos de mantenimiento predictivo han sido variados y ha habido fracasos hastadar con el modelo acertado. Entre los motivos más destacados, varias empresas coinciden en la falta degestión del cambio y de un gobierno del dato previo.

Adicionalmente, el enriquecimiento de información confuentes externas ha fallado debido al marcado foco enoperaciones internas que muestra este sector.

279 Ascendant 2019

1

2

3

4

1

22

11

2

3

4

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Industria / Casos de uso

281


281

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y Construcción

Ascendant 2019

283 283

Actitud reactiva

El sector de Infraestructuras es tradicionalmente reacio al cambio, con una adopción lenta de las nuevas tendencias de analítica de datos. Hay pocas empresas que destaquen por su visión y cultura innovadoras. Son empresas conservadoras, followers que tratan de imitar lo que hacen las pioneras, y, lo que redunda en escasa agresividad en el enfoque (más centrado en operaciones que en negocios disruptivos, con bajos niveles de colaboración) y tendencia a trabajar el dato por silos.

Los retos de la orientación al dato

La mayoría del sector es consciente de la importancia de la orientación al dato, pero las empresas no tienen un Plan Estratégico definido ni están movilizando medios para impulsarlo. Adicionalmente, existe un gran reto organizativo para encarar el reto del dato qué es la falta de perfiles (recursos de talento escasos). En la mayoría de empresas, el área TI está tratando de hacer ver a los directivos la importancia del dato para corregir esta situación.

El dato en las operaciones industriales

Sus operaciones también continúan enfocándose de manera tradicional. Destacan dos tipos de operaciones en los que, aunque objetivamente los avances sean moderados, se están realizando más esfuerzos: el primero de ellos es la gestión de la cadena de suministro, donde la mitad de empresas reconoce un grado de integración satisfactorio con los proveedores, aunque sin compartir información; y la gestión de activos físicos, donde la mitad de las empresas recoge información que queda ociosa, dejando un largo recorrido de optimización de sus activos. Inteligencia: mucho trabajo por hacer

La gestión del ciclo de vida del dato es mejorable: los datos captados tienden a ser exclusivamente estructurados, con mucho dato ocioso; hay pocos esfuerzos en la escucha del exterior, lo que redunda también en la gestión reputacional basada en IA, que es poco sofisticada. Las decisiones cotidianas a todos los niveles organizativos (no sólo estratégicas) tienden a tomarse de forma intuitiva.

El sector tiene un enfoque predominantemente tradicional: si bien la aplicación de datos y analítica en sus operaciones muestra retornos obvios,

las empresas tienden a tener una actitud escéptica y reactiva.


El auge y la progresiva implantación de la metodología BIM en el sector de infraestructura y construcción va a ser un importante driver en la creación e implantación de estrategias de gobierno del dato en las empresas. La metodología BIM, a través del uso de modelos inteligentes basados en datos, va a aumentar de forma drástica el volumen de datos generados y gestionados por las empresas, y por lo tanto, va a obligar a disponer de los mecanismos necesarios para gestionar dicha información.

La protección del dato, por su importancia y sus consecuencias legales, es y va a continuar siendo una de las principales preocupaciones de las empresas del sector. A medida que el gobierno del dato vaya cogiendo fuerza y las empresas almacenen, gestionen y exploten mayores volúmenes de información, los procesos relativos a la protección del dato van a tener que desarrollarse para garantizar la seguridad del mismo.

Aunque algunos departamentos de innovación de las grandes Constructoras están analizando alternativas para conocer el uso de las infraestructuras por parte de los usuarios para identificar nuevas líneas de negocio, todavía es una tendencia incipiente y no se ha consolidado en nuevos negocios para las Constructoras.

La necesidad de mejorar la competitividad de las empresas y reducir el riesgo de los proyectos, es uno de los drivers que está impulsando el uso del dato para la mejora en la productividad de las operaciones.

Metodología BIM

Necesidad de mejora en la productividad

Protección del dato

El dato como ventaja competitiva

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y Construcción

Ascendant 2019


285 285

El sector muestra una tendencia marcadamente tradicional en su orientación al dato y en la aplicación de la analítica de datos a su negocio, con una actitud

predominantemente reactiva.

Infraestructuras y construcción


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y Construcción / Habilitadores Digitales

Ascendant 2019

El sector presenta un enfoque tradicional y reactivo. Sólo un 25% de las empresas entrevistadas concibe su visión de futuro alrededor de la analítica de datos, y ninguna ha establecido un programa detallado de evolución hacia una Organización Orientada al Dato.El enfoque de su orientación al dato tiende a ser poco agresivo, con sólo un 25% de empresas contemplando la analítica de datos como palanca de relaciones de valor con el cliente.El 75% de las empresas toman las decisiones de forma tradicional, sin aprovechar la utilidad de los datos en el contraste de decisiones estratégicas y de inversiones de impacto.

Sólo un 25% de las empresas muestra un compromiso claro con el dato y la analítica desde la primera línea de dirección, lo que lleva a que ninguna de las empresas analizadas han definido aun claramente roles que impulsen la evolución. Asimismo, sólo un 25% de las empresas destinan recursos suficientes para la transformación del dato y la analítica.Más preocupante resulta que el gobierno del dato y la algoritmia sean prácticamente inexistentes: sólo un 25% de las empresas ha trabajado la calidad del dato, todavía con cierto margen de mejora. Ninguna empresa gobierna la analítica para asegurar que cumple su función de extraer valor del dato.

El 50% de empresas del sector cuenta con infraestructuras híbridas. Sólo un 35% dispone de infraestructura cloud, siendo en la mayoría de casos los procesos de ingesta en Batch. El 75% de las empresas todavía utiliza bases de datos relacionales y aborda el procesamiento de forma tradicional, con herramientas convencionales de data processing.Ninguna de las empresas entrevistadas dispone de herramientas para facilitar el gobierno del dato (diccionarios o MDMs o calidad). El entorno de desarrollo del software es manual en el 50% de las empresas entrevistadas; sólo el 25% logra el despliegue continuo.

En este sector, enfocado especialmente a clientes empresariales e institucionales, las empresas están poco avanzadas respecto a la cultura del dato: hay poca familiarización con sus posibilidades y poca concienciación con su calidad.Todas las empresas acusan falta de capacidades especialistas para abordar los proyectos del dato, y tampoco disponen de planes de reciclaje.Las formas de trabajar necesitan adaptarse a las nuevas necesidades. No hay democratización del dato, sino que el autoservicio se limita a aquellos informes que sirven estrictamente para el cumplimiento de las funciones propias. Predomina el uso de metodologías tradicionales en sus proyectos.

Estrategia


Cultura & Talento

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Infraestructuras y construcción


287 287





Habilitadores Digitales, Estrategia Infraestructuras y construcción







• El sector presenta un enfoque predominantemente tradicional y reactivo. Sólo un 25% de las empresas entrevistadas concibe su visión de futuro alrededor de la analítica de datos, y ninguna ha establecido un programa detallado de evolución hacia una organización orientada al dato

• El enfoque de su orientación al dato tiende a ser poco agresivo, con sólo un 25% de empresas contemplando la analítica de datos como palanca

de relaciones de valor con el cliente; el resto, mantiene una actitud reactiva y se focaliza en el perfeccionamiento de sus operaciones en base a datos

• Las decisiones estratégicas tienden a tomarse de manera tradicional: el 75% de empresas no aprovecha la utilidad de la analítica de datos en el contraste de decisiones estratégicas y de inversiones de impacto

Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Habilitadores Digitales / Estrategia

Ascendant 2019



El sector muestra una tendencia marcadamente tradicional en su orientación al dato y en la aplicación de la analítica de datos a su negocio, con una actitud

predominantemente reactiva.



289 289




Gobierno del dato


Habilitadores Digitales, Organización Infraestructuras y construcción





Gobierno del dato



• Ante la falta de claridad de la visión estratégica, sólo un 25% de las empresas muestra un compromiso claro con el dato y la analítica desde la primera línea de dirección. Este recelo permea a otros niveles, pero la falta de roles claramente definidos no limita el impulso del compromiso dentro de la organización

• No se destinan suficientes recursos a los proyectos del dato y la analítica: sólo es una prioridad para un 25% de empresas, aquellas con mayor compromiso con la innovación. Además, no se han desarrollado sistemas de medición específicos para valorar el avance e impacto de estos proyectos, lo que añade

dificultad a la labor de infundir el convencimiento del valor aportado por el dato y la analítica

• Más preocupante resulta que el gobierno del dato y la algoritmia sean prácticamente inexistentes: sólo un 25% de las empresas ha trabajado la calidad del dato, todavía con cierto margen de mejora. Ninguna empresa gobierna la analítica para asegurar que cumple su función de extraer valor del dato

Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Habilitadores Digitales / Organización

Ascendant 2019



Se observa inmovilismo organizativo: el liderazgo de la orientación al dato es difuso, los recursos destinados son escasos y el dato y la analítica no se

gobiernan de forma robusta.

291


Mentalidad




291

Habilitadores Digitales, Cultura y Talento Infraestructuras y construcción

Mentalidad





• En este sector, enfocado especialmente a clientes empresariales e institucionales, las empresas están poco avanzadas respecto a la cultura del dato: hay poca familiarización con sus posibilidades y poca concienciación con su calidad. La mayoría de las empresas no prevén un plan para reforzarla

• Todas las empresas acusan falta de capacidades especialistas para abordar los proyectos del dato, y tampoco disponen de planes de reciclaje. La totalidad de las empresas concentra las capacidades relacionadas con el dato en el área de TI, sin contar con perfiles especializados en estas funciones

• Las formas de trabajar necesitan adaptarse a las nuevas necesidades. No hay democratización del dato, sino que el autoservicio se limita a aquellos informes que sirven estrictamente para el cumplimiento de las funciones propias. Sólo un 25% trata de impulsar la democratización. Todas las empresas trabajan sus proyectos sobre metodologías tradicionales, y ninguna cuenta con mecanismos de divulgación formales que faciliten compartir internamente los réditos del dato

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Habilitadores Digitales / Cultura & Talento

Cultura& Talento

Ascendant 2019



La cultura organizativa y la manera de trabajar en torno al dato son el máximo reto de estas empresas, que, viniendo de mentalidades muy tradicionales,

necesitan emprender la transformación prácticamente desde cero.

293 293

Habilitadores Digitales, Tecnología Infraestructuras y construcción


Infraestructura




Infraestructura





• La mitad de las empresas del sector cuenta con infraestructuras híbridas. Sólo un 35% dispone de infraestructura cloud, siendo en la mayoría de casos los procesos de ingesta en Batch. Pocas empresas almacenan datos desestructurados, y la mayoría los procesa mediante ETLs tradicionales

• El 75% de las empresas todavía utiliza bases de datos relacionales y aborda el procesamiento de forma tradicional, con herramientas convencionales de data processing

• Ninguna de las empresas entrevistadas dispone de herramientas para facilitar el gobierno del dato (diccionarios o MDMs o calidad). El entorno de desarrollo del software es manual en la mitad de las empresas entrevistadas; sólo el 25% logra el despliegue continuo

Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Habilitadores Digitales / Tecnología

Ascendant 2019



La mayoría de las empresas no dispone de tecnología preparada para extraer valor de los datos, con una lenta evolución hacia tecnologías cloud.

295

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Inteligencia

Ascendant 2019

Las constructoras tienen pendiente desarrollar todas sus capacidades de gestión de ciclo de vida del dato, especialmente de captación y de analítica. En cuanto a la escucha, ninguna empresa cuenta con capacidades de percepción de información del entorno y únicamente captan datos estructurados internos para su toma de decisiones.

EscuchaLa toma de decisiones a nivel operativo es incipiente en la mitad de las empresas, apoyándose en modelos analíticos poco sofisticados.

Actúa

En cuanto al análisis de datos, las empresas sólo tienen capacidades para explotar datos ociosos y no realizan medición de datos ociosos. El 75% de empresas espera captar datos desestructurados en el medio plazo y contar con ciertas capacidades de aprendizaje en su algoritmia.

Analiza


InteligenciaCapacidades de gestión del dato: Inteligencia Infraestructuras y construcción















La captación de datos desestructurados y el desarrollo de capacidades de aprendizaje son las prioridades para el sector, que apenas ha desarrollado

sus capacidades de inteligencia.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

297









Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Dimensiones

Ascendant 2019

La propuesta de valor del sector continúa muy aferrada al servicio, con poco énfasis en la detección de nuevas fuentes de negocio. La algoritmia está centrada en operaciones, en lugar de apuntar al alumbramiento de nuevas oportunidades de negocio.El sector es un late adopter de las últimas tecnologías y tendencias en analítica, algo que subraya la ausencia generalizada de observatorios del dato o funciones equivalentes.El 25% de las empresas se plantea unirse a ecosistemas centrados en el dato con empresas de nicho, tecnológicas y startups, el resto de empresas no lo tienen en mente.

Los esfuerzos por mejorar el conocimiento del cliente y analizar la calidad de su experiencia son nulos. Sólo un 25% incorpora datos externos para conocer mejor al cliente y anticipar sus demandas. El enfoque predominante ante las necesidades del cliente es reactivo.Los esfuerzos por analizar el mercado son incipientes, con los procedimientos estandarizados y cuadros de mando descriptivos como mejores prácticas, en sólo un 25% de empresas.No se realiza seguimiento ni modelado de la reputación de la compañía.

Innovación

Cliente

En la actualidad, sólo un 25% de las empresas realiza monitorización de operaciones para detectar el fraude, aunque son diagnósticos sencillos y no basados en el dato.A pesar de tener operaciones que asegurar y activos críticos que proteger, la aplicación de analítica en la protección del negocio frente a posibles amenazas del entorno no es una prioridad para ninguna empresa del sector. Mientras la mitad de empresas dispone de políticas establecidas para asegurar la protección de los datos frente a accesos indeseados, un 75% de la muestra es capaz de anonimizar completamente los datos críticos.

Protección

La optimización inteligente de las operaciones back office no es una prioridad en el sector. Todas las empresas abordan estas funciones con herramientas y modelos tradicionales, predominantemente de forma manual.Se incluye analítica de forma muy incipiente y poco sofisticada en las operaciones core de negocio. Ninguna empresa logra un grado elevado de integración con los stakeholders de su cadena de valor con visión común de los datos; en su lugar, sólo la mitad logra aglutinar en su cuadro de mando información de varias fuentes con una visión reactiva. Asimismo, la mitad de empresas está en proceso de evaluación de las prácticas de Industria 4.0 para sus operaciones de producción.

Operaciones


Dimensiones

297

Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Infraestructuras y construcción









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

En un sector con orientación a clientes institucionales, el fortalecimiento de la relación con el cliente en base al conocimiento y la analítica apenas está

desarrollado al igual que la Innovación, que es un sector muy reactivo.


299





299

Dimensiones, Innovación Infraestructuras y construcción





• La propuesta de valor del sector continúa muy aferrada al servicio, con poco énfasis en la detección de nuevas fuentes de negocio. La algoritmia está centrada en operaciones, en lugar de apuntar al alumbramiento de nuevas oportunidades de negocio. Si bien ninguna empresa ha integrado aún los datos en el diseño de su propuesta de valor, el 75% espera evolucionar su servicio en base a la aportación de los datos en un plazo de 3-5 años

• El sector es un late adopter de las últimas tecnologías y tendencias en analítica, algo que

subraya la ausencia generalizada de observatorios del dato o funciones equivalentes

• Todas las empresas desconocen en mayor o menor medida el valor de la colaboración con partners digitales de cara a extraer conjuntamente valor de los datos. Sólo un 25% de las empresas se plantea unirse a ecosistemas centrados en el dato con empresas de nicho, tecnológicas y startups

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Dimensiones / Innovación

Innovación

Ascendant 2019


Dimensiones

La mayoría de las empresas no dispone de tecnología preparada para extraer valor de los datos, con una lenta evolución hacia tecnologías cloud.

301


Dimensiones, Cliente Infraestructuras y construcción



Marca

Marca






• Los esfuerzos por mejorar el conocimiento del cliente y analizar la calidad de su experiencia son nulos. Sólo un 25% incorpora datos externos para conocer mejor al cliente y anticipar sus demandas. El enfoque predominante ante las necesidades del cliente es reactivo

• Los esfuerzos por analizar el mercado son incipientes, con los procedimientos estandarizados y cuadros de mando descriptivos como mejores prácticas, en sólo un 25% de empresas

• No se realiza seguimiento ni modelado de la reputación de la compañía

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Dimensiones / Cliente

Cliente


Dimensiones

En un sector con orientación a clientes institucionales, el fortalecimiento de la relación con el cliente en base al conocimiento y la analítica apenas está

desarrollado.

Ascendant 2019

303


303

Dimensiones, Operaciones Infraestructuras y construcción
















• La optimización inteligente de las operaciones back office no es una prioridad en el sector. Todas las empresas abordan estas funciones con herramientas y modelos tradicionales, predominantemente de forma manual

• Se incluye analítica de forma muy incipiente y poco sofisticada en las operaciones core de negocio. Ninguna empresa logra un grado elevado de integración con los stakeholders de su cadena de valor con visión común de los datos; en su lugar,

sólo la mitad logra aglutinar en su cuadro de mando información de varias fuentes con una visión reactiva. Asimismo, la mitad de empresas está en proceso de evaluación de las prácticas de Industria 4.0 para sus operaciones de producción

• En cuanto a la gestión de activos, se aplican modelos analíticos sencillos en algunas fases del ciclo de vida de los activos, sin capacidades de predicción en la mitad de las empresas. El resto, aún no ha explorado estas posibilidades

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Dimensiones / Operaciones

Operaciones

Ascendant 2019


Dimensiones

A pesar de ser un sector intensivo en activos operativos, el nivel de optimización inteligente de las operaciones y de la gestión de activos es

sorprendentemente básico.

305


Dimensiones, Protección Infraestructuras y construcción

Privacidad



Fraude

Fraude

Privacidad




• Mientras un 75% de empresas no realiza monitorización de operaciones para detectar el fraude, un 25% ha empezado a realizar diagnósticos sencillos. En un plazo medio, la mitad de las empresas espera poder detectar y predecir amenazas en base a modelos analíticos avanzados

• A pesar de tener operaciones que asegurar y activos críticos que proteger, la aplicación de analítica en la protección del negocio frente a posibles amenazas del entorno no es una prioridad para ninguna empresa del sector.

• Mientras la mitad de empresas dispone de políticas establecidas para asegurar la protección de los datos frente a accesos indeseados, un 75% de la muestra es capaz de anonimizar completamente los datos críticos. En el medio plazo, todas esperan contar con capacidades avanzadas para la protección de sus datos

• Todas las empresas tienen políticas que aseguran el pleno cumplimiento de la normativa nacional e internacional que les aplica en el ámbito de tratamiento de datos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Dimensiones / Protección

Protección

Ascendant 2019


Dimensiones

El sector toma muy en serio el cumplimiento de la normativa nacional e internacional en el tratamiento de los datos; sin embargo, las empresas no

extraen todo el valor del dato para la protección de sus negocios y sus activos.

307

¿Cuáles son las prioridades de las empresas del sector Infraestructuras y construcción? ¿Qué aplicaciones del dato y la analítica han funcionado bien en el sector?

Las empresas de infraestructuras declaran haber implementado con éxito los siguientes casos de uso:

Implementación de tecnología de gestión operativa para maximizar visibilidad del proceso.

Modelos analíticos para planificación de personal técnico, de forma que se optimicen las capacidades en cada actividad.

Sensorización de plantas y modelo predictivo para optimización de las operaciones.

Implementación de capacidades de ingesta de datos internos.

Modelos analíticos para gestión de personal.

Todos los casos de uso del dato y la analítica que las empresas de infraestructura han implementado con éxito están relacionados con la optimización operativa.Mientras algunas empresas todavía continúan preparando su tecnología para la orientación al dato de sus operaciones, incluyendo capacidades de ingesta basadas en IoT o implantando soluciones de trazabilidad de las operaciones, el 50% ya ha logrado implantar con éxito modelos con impacto en el negocio, enfocados a optimizar sus capacidades (optimización de operaciones de planta,…).

Se observa una incipiente inquietud por las oportunidades que la analítica de datos procura a las operaciones de soporte, especialmente la gestión de RRHH optimizada.

Sin embargo, ninguna empresa ha incluido en sus casos de éxito la integración de datos de fuentes externas, dominando éstos una visión interna y estrechamente ceñida a la ejecución de las operaciones propias.


Las empresas de infraestructuras afirman estar invirtiendo especialmente en los siguientes casos de uso:

Escalado de tecnologías implantadas para unificación a nivel internacional de los programas de getión de operaciones y para aprovechamiento de las eficiencias a nivel global.

Implementación de tecnologías de gestión de procesos.

Sensórica en infraestructuras físicas para eficientación de operaciones y automatización.

Explotación de datos internos recabados con IoT.

Las empresas continúan invirtiendo en una línea similar: tras observar los éxitos en el sector, algunas empresas se encuentran implementando tecnologías de gestión de los procesos, o extendiendo sus tecnologías recién implantadas a otras geografías.

Otras, invierten en la sensorización de operaciones para aprovechar los ya probados éxitos en la optimización de operaciones.

Algunas ya empiezan a explotar sus recién implementadas capacidades de ingesta, buscando el impacto de la explotación de los datos propios captados en la eficiencia de sus operaciones. Sin embargo, no muestra inquietud por enriquecer estos datos con fuentes externas (por ejemplo, meteorología) para maximizar el valor de los análisis.


Entre las empresas de infraestructuras, están despertando interés los siguientes casos de uso:

Optimización de procesos de almacenaje de mercancías.

Implementación de tecnología de gobierno de datos.

Modelos predictivos aplicados a personal técnico para evitar accidentes laborales.

Modelos analíticos para simplificar procesos de back office.

Las empresas de infraestructuras sienten inquietud por optimizar su almacenaje de mercancías, para lo cual es posible aplicar técnicas de sensórica y visión artificial combinadas con modelos de optimización de espacios.Algunas sienten que su preparación tecnológica no ha terminado: dada la baja sofisticación del gobierno del dato actual, algunas tienen en mente la implementación de herramientas de governance que continúen sentando la base para orientarse al dato.

La mayoría querrían dar el paso más allá de sus operaciones core y aplicar analítica a funciones de soporte: por ejemplo, la gestión de personal para evitar proactivamente accidentes en un sector intensivo en infraestructura y tareas técnicas intensivas en personal; o la eficientación de procesos administrativos no core.

De nuevo, es llamativo el foco característico del sector en las operaciones propias, datos de fuentes exclusivamente internas y aspiración a mantener su enfoque tradicional.


Las empresas de infraestructuras invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Modelo analítico para optimización de cadena de suministro.

Primer intento de modelo de gestión de operaciones.

Mantenimiento predictivo.

Las empresas registran pocos casos de uso fracasados, lo que denota cierta necesidad de experimentación con el dato y la analítica para descubrir nuevas aportaciones de valor. Estos casos fallidos, además, tienden a guardar relación con los posteriores casos de éxito destacados con las empresas entrevistadas, lo que subraya la actitud conservadora.

Los casos de uso fallidos están enfocados a la optimización de operaciones, y tienden a ser modelos que posteriormente se rediseñaron y perfeccionaron. Las causas de fracaso más comunes fueron la falta de gobierno del dato previo y, en menor medida, la falta de inversión.

307 Ascendant 2019

1

2

3

4

5

1

2 2

33

4

11

2

3

4

5

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Infraestructuras y construcción / Casos de uso

309

Media

309 Ascendant 2019

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media

311 311

Nuevas dinámicas competitivas…

El sector ha visto cómo en la última década una serie de factores ha sacudido el statu quo tradicional, evolucionando hacia un nuevo escenario altamente competitivo, definido por la irrupción de nuevos creadores de contenidos digitales, la profusión de plataformas y puntos de acceso a los contenidos o los cambios en los hábitos de los consumidores.

… con impacto organizativo

Por otro lado, los profesionales del sector -publicistas, periodistas, técnicos, etc.- se enfrentan a una profunda redefinición de sus hábitos y mecanismos de trabajo, severamente trastocados por la incorporación de novedades tecnológicas que van desde la automatización y digitalización de tareas hasta la competencia con las redes sociales.

¿Cómo hacer frente a estos retos?

La recopilación y análisis de información de calidad permite mejorar el conocimiento del consumidor para ofrecerle una propuesta ajustada a sus necesidades y gustos. Igualmente, los algoritmos y herramientas analíticas ayudan en objetivos clave del negocio, como alcanzar audiencias segmentadas o mejorar la eficacia de la inversión publicitaria.

La evolución del consumidor tradicional hacia un perfil de cliente digital trae consigo un cambio de dinámica en el sector, a la vez que este cliente es más

visible y fácil de conocer que nunca.

Media

Las tecnologías capaces de identificar el comportamiento del cliente, de sus hábitos y preferencias, permiten generar una oferta dinámica y personalizada al máximo. El conocimiento detallado del customer journey permite la máxima segmentación para acercar al consumidor propuestas acorde a sus preferencias.

Los medios tradicionalmente dependientes de la inversión publicitaria como principal fuente de ingresos deben abordar una diversificación de su propuesta de valor que les permita reducir la dependencia sobre esta.

La evolución tecnológica (5G, IoT, dispositivos mejorados, etc.) hace posible el desarrollo de una verdadera experiencia omnicanal, con interacciones fluidas desde todos los posibles puntos de interacción con la marca.

El impacto de la publicidad mejora gracias a los algoritmos que localizan las audiencias y muestran los anuncios en tiempo real.

Personalización

Nuevas fuentes de ingresos

Experienciade cliente omnicanal

Optimización de negocios tradicionales

Ascendant 2019

La cantidad de datos disponibles sobre el consumidor de Media, bien explotada, es una enorme oportunidad de diferenciación


€

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media

313 313

Aunque la mayoría de las empresas incluyen el dato y la analítica en sus planes estratégicos, aún no hay un consenso claro en el sector sobre la necesidad de

la transformación. Es por ello que el liderazgo de esta transformación se encuentra aún poco difuso en las empresas del sector.

Media


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Habilitadores Digitales

Ascendant 2019

El sector se encuentra en plena transición al entorno digital, dejando atrás los escenarios tradicionales. El 75% de los media analizados tiene clara su estrategia y cuenta con un plan específico de transformación alrededor del dato, con proyección a un año.El sector adolece de iniciativas innovadoras, capaces de liderar con un ejemplo rompedor: tres de cada cuatro empresas se consideran fast followers, pendientes de las acciones de la competencia para reaccionar de forma rápida.

No parece que los media estén claramente convencidas sobre la necesidad de evolucionar hacia Organizaciones Orientadas al Dato: en la mitad de los media se identifica un alineamiento claro hacia la transformación, mientras que en el resto, la toma de decisiones está pendiente de la evaluación de resultados para salvar las discrepancias en la primera línea.En consecuencia, está pendiente la definición de roles de liderazgo claros que encabecen la evolución hacia una Organización Orientada al Dato en el 75% empresas.El gobierno del dato y la analítica avanza muy lentamente: todavía la mitad de las empresas analizadas carece de un gobierno del dato claro, con dificultades derivadas del gobierno por silos.

Todas las empresas del sector disponen de infraestructuras cloud, combinadas en uno de cada cuatro casos con instalaciones on premise. El tratamiento de la información continúa siendo muy tradicional: la mayoría almacena datos desestructurados y los procesa a través de ELT, evolucionando hacia modelos de tratamiento de Big Data.La explotación y visualización de la información se realiza mediante herramientas convencionales como Microstategy, Qlickview, como Access o Excel. Los entornos de desarrollo todavía no han convergido hacia sistemas de integración continua o despliegue continuo para agilizar la puesta en producción de los nuevos desarrollos.

Los planes de evangelización de sus plantillas acerca de la importancia del dato se han implantado solo en una de cada dos empresas del sector, con una cultura del dato tendente a un esquema matricial. La escasez de personal cualificado supone un reto importante para avanzar en la transformación. Respecto a las metodologías, el 75% de las empresas combina metodologías tradicionales con nuevas, mientras que un 25% trabaja con métodos agile.

Estrategia


Cultura & Talento

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management




Claridad de Roles y liderazgo de las Organizaciones Orientadas al Dato





Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Media


315

315 Ascendant 2019





Habilitadores Digitales, Estrategia Media


Media







• El sector se encuentra en plena transición al entorno digital, dejando atrás los escenarios tradicionales. El 75% de los media analizados tiene clara su estrategia y cuenta con un plan específico de transformación alrededor del dato, con proyección a un año

• A pesar de las oportunidades de aportar valor al cliente mediante la personalización de contenidos y el desarrollo de nuevas líneas de negocio, todavía el

75% de las empresas de destina la aplicación de la analítica exclusivamente a la mejora de la eficiencia operacional

• El sector adolece de falta de iniciativas innovadoras, capaces de liderar con un ejemplo rompedor: tres de cada cuatro empresas se consideran fast followers, pendientes de las acciones de la competencia para reaccionar de forma rápida

Estrategia

La mayoría de las empresas incluyen en su plan estratégico un capítulo dedicado al dato, clave para direccionar la orientación al dato.



5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Habilitadores Digitales / Estrategia

317 Ascendant 2019 317




Gobierno del dato


Habilitadores Digitales, Organización Media


Media





Gobierno del dato



• No parece que los media estén claramente convencidos sobre la necesidad de evolucionar hacia Organizaciones Orientadas al Dato: en la mitad de los media se identifica un alineamiento claro hacia la transformación. En el resto, la toma de decisiones está pendiente de la evaluación de resultados para salvar las discrepancias en la primera línea o superar el legacy heredado de escenarios tradicionales

• En consecuencia, está pendiente la definición de roles de liderazgo claros que encabecen la evolución hacia una Organización Orientada al Dato en tres cuartos de las empresas

• Se presta poca atención a la dotación de recursos para los proyectos del dato, con sólo un 25% de las empresas considerando que hay suficientes; además, no se realiza un seguimiento o medición de impactos de estos proyectos atendiendo a sus particularidades

• El gobierno del dato y la analítica avanza muy lentamente: todavía la mitad de las empresas analizadas carece de un gobierno del dato claro, con dificultades derivadas del gobierno por silos. Además, la incorporación de algoritmos y modelos predictivos es lenta, de modo que sólo un tercio de las empresas dispone de alguna política para su gobierno

Organización

La unanimidad sobre la necesidad de transformación es moderada, lo que se traduce en esquemas de liderazgo difusos

y modelos de gestión del dato poco unificados.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Habilitadores Digitales / Organización

319

• Los planes de evangelización de sus plantillas acerca de la importancia del dato se han implantado en uno de cada dos empresas del sector, con una cultura del dato tendente a un esquema matricial

• La escasez de personal cualificado supone un reto importante para avanzar en la transformación. Ningún media dispone de unas competencias básicas extendidas en su organización, si bien el 25% cuenta con programas de reciclaje o planes de formación centrados en el dato

• Respecto a las metodologías, el 75% de las empresas combina metodologías tradicionales con nuevas, mientras que un 25% ya trabaja con métodos agile. Igualmente, a pesar de los bajos niveles de democratización del dato, sólo un 25% de las empresas dispone de mecanismos formales de divulgación, como formación, herramientas específicas o páginas web

Cultura& Talento

Ascendant 2019


Mentalidad




319

Media


Habilitadores Digitales, Cultura y Talento Media

Mentalidad





Se necesita una reconversión de las plantillas y una incorporación de nuevos perfiles digitales, elemento clave en el proceso de transformación.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Habilitadores Digitales / Cultura y Talento

321 321

• Todas las empresas del sector disponen de infraestructuras cloud, combinadas en uno de cada cuatro casos con instalaciones on premise

• El tratamiento de la información continúa siendo muy tradicional: la mayoría almacena datos desestructurados y los procesan a través de ELT (extract, transform & load) tradicional, evolucionando hacia modelos de tratamiento de Big Data

• La explotación y visualización de la información se realiza mediante herramientas convencionales

como Microstategy, Qlickview, Power BI, SAP BI, SAP BO o Tableau, y otras más tradicionales, como Access o Excel. Los entornos de desarrollo todavía no han convergido hacia sistemas de integración continua o despliegue continuo para agilizar la puesta en producción de los nuevos desarrollos

• El 75% todavía no han implementado ninguna herramienta de data governance

Tecnología

Ascendant 2019

Media

Habilitadores DigitalesHabilitadores Digitales, Tecnología Media


Infraestructura




Infraestructura





El sector evoluciona hacia infraestructuras en la nube y captura de datos en tiempo real, con mucho recorrido de mejora en herramientas de gobierno.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Habilitadores Digitales / Tecnología

323 Ascendant 2019

El conocimiento del entorno se basa todavía en procesos tradicionales, sin métodos de escucha de la propia marca o de la competencia.

EscuchaRespecto a las decisiones operativas, el 75% de los media declara que estas se toman en base a datos, KPIs, informes y cuadros de mando, si bien sólo el 25% es capaz de automatizarlas con algoritmia. De este modo, perdura la toma de decisiones basada en la experiencia del profesional.

Actúa

El sector media tiene pendiente progresar en áreas de mejora de sus procesos de gestión del dato, a pesar de captar todo tipo de datos (estructurados o no). Por ejemplo, sólo una de cada cuatro empresas cuenta con iniciativas para evaluar la aportación de valor de los datos ociosos, y decidir sobre su tratamiento en el futuro. Además, no se aplican capacidades de aprendizaje a su algoritmia.

Analiza

Media

Inteligencia







Capacidades de gestión del dato: Inteligencia Media





La riqueza de datos desestructurados que las empresas media son capaces de captar queda desaprovechada debido a una explotación insuficiente

y la falta de capacidades de autoaprendizaje.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Inteligencia

325









Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Dimensiones

Ascendant 2019

A pesar de captar una gran variedad de datos del consumidor, sólo un cuarto de las empresas del sector cuenta con una propuesta de valor que se apoya en el dato para lograr la personalización de contenidos. El camino por recorrer en este ámbito todavía es largo.Un 25% de las empresas dispone de un observatorio dedicado a identificar nuevas oportunidades de negocio, tanto en su sector como en otros, basado en modelos analíticos muy básicos. La función de observatorio del dato no está generalizada; un cuarto de empresas dispone de ella, con baja sofisticación en cuanto a la aplicación de modelos analíticos.

El sector está llevando a cabo un esfuerzo por mejorar la experiencia de cliente, aunque sólo la mitad depura los costumer journeys a partir del dato recopilado. Se ha avanzado en la creación de modelos de recomendación, personalización de contenidos y modelos de suscripción. Queda pendiente la incorporación de datos externos que mejoren el perfilado del cliente.Respecto al seguimiento de la marca, todas las empresas disponen de canales sociales asociados a sus marcas, midiendo el sentimiento a través de una escucha activa. Sin embargo, el seguimiento de incidencias y la gestión de crisis son predominantemente tradicionales, con aplicación de técnicas de machine learning en sólo un 25% de las empresas.

Innovación

Cliente

La detección de amenazas o riesgos futuros así como la detección del fraude es aún muy tradicional en el sector, basándose en la experiencia o intuición del directivo y en el caso del fraude, se basan en las plataformas de los medios de pago para evitar el fraude. Sólo un tercio de los media ya emplea algún modelo analítico para detectar y prevenir el fraude.Todas las empresas entrevistadas disponen de medidas y políticas que aseguren el cumplimiento de GDPR, y realizan auditorias periódicas para garantizar su ejecución. Además, todas toman muy en serio la protección de sus datos mediante políticas de securización de accesos y anonimización.

Protección

La dimensión operacional es una de las menos optimizadas en base a la analítica. Mientras sólo el 25% de los media comienza a automatizar sus operaciones e implantar análisis predictivos en la función TI, el resto de funciones back office apenas se optimizan, salvo modelos básicos de predicción de ventas y resultados.Respecto a la integración con proveedores, las media están conectadas directamente con sus proveedores y agencias de medios, si bien sólo un 33% comparte información de forma automática con ellos.

Operaciones

Media

Dimensiones

325

Innovación

Cliente

Protección

Operaciones









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Media

El sector tiende hacia la customización de la propuesta de valor, pero aún quedan esfuerzos por realizar. Las empresas deben trabajar especialmente

por lograr la visión 360º del cliente e integrar su legacy.


327

• A pesar de captar una gran variedad de datos del consumidor, sólo un cuarto de las empresas del sector cuenta con una propuesta de valor que se apoya en el dato para lograr la personalización de contenidos. El camino por recorrer en este ámbito todavía es largo

• Solo una de cada cuatro empresas dispone de un observatorio dedicado a identificar nuevas oportunidades de negocio, tanto en su sector como en otros, basado en modelos analíticos muy básicos

• La función de observatorio del dato no está generalizada; un cuarto de empresas dispone de ella, con baja sofisticación en cuanto a la aplicación de modelos analíticos

• Están por explorar los acuerdos con startups o empresas especializadas en la gestión del dato para compartir y monetizar datos, con el objetivo de la monetización de la información todavía lejano

Innovación

Ascendant 2019

Media

Dimensiones





327

Dimensiones, Innovación Media





El sector tiende hacia la customización de la propuesta de valor, que debe apoyarse en fuertes capacidades de escucha y análisis para tener éxito.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Dimensiones / Innovación

329

• El sector está llevando a cabo un esfuerzo por mejorar la experiencia de cliente, aunque solo la mitad depurando los customer journeys a partir del dato recopilado. Se ha avanzado en la creación de modelos de recomendación, personalización de contenidos y modelos de suscripción. Queda pendiente la incorporación de datos externos que mejoren el perfilado del cliente en un 75% de las empresas

• Respecto al seguimiento de la marca, todas las empresas disponen de canales sociales asociados a sus marcas, midiendo el sentimiento a través de una escucha activa. Sin embargo, el seguimiento de incidencias y la gestión de crisis son predominantemente tradicionales, con aplicación de técnicas de machine learning en sólo un 25% de las empresas

Cliente

Ascendant 2019

Media

Dimensiones


329

Dimensiones, Cliente Media



Marca

Marca






Si bien las media han entendido la importancia del conocimiento 360º del cliente, aún quedan esfuerzos por realizar y resta por integrar gran parte

del legacy heredado del modelo tradicional.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Dimensiones / Cliente

331

• La dimensión operacional es una de las menos optimizadas en base a la analítica. Mientras sólo el 25% de los media comienza a automatizar sus operaciones e implantar análisis predictivos en la función TI, el resto de funciones back office apenas se optimizan, salvo modelos básicos de predicción de ventas y resultados

• Respecto a la integración con proveedores, las empresas de Media están conectadas directamente con sus proveedores y agencias de medios, si bien sólo un 33% comparte información de forma automática con ellos

Operaciones

Ascendant 2019

Media

Dimensiones


331

Dimensiones, Operaciones Media
















Pocas empresas mejoran sus mapas de procesos empleando el dato, manteniéndose en este ámbito los métodos tradicionales.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Dimensiones / Operaciones

333

• La detección de amenazas o riesgos futuros es aún muy tradicional en el sector, basándose en la experiencia o intuición del directivo

• Por el momento, la implantación de procesos de prevención y control del fraude es escasa, confiando los media en las plataformas de los medios de pago para evitar el fraude. Sólo un tercio de los media ya emplean algún modelo analítico para detectar y prevenir el fraude

• Todas las empresas entrevistadas disponen de medidas y políticas que aseguren el cumplimiento de GDPR, y realizan auditorias periódicas para garantizar su ejecución. Además, todas toman muy en serio la protección de sus datos mediante políticas de securización de accesos y anonimización

Protección

Ascendant 2019

Media

Dimensiones


Dimensiones, Protección Media

Privacidad



Fraude

Fraude

Privacidad




La privacidad de la información y el cumplimiento normativo se conciben como esenciales para extraer el valor de los datos adecuadamente.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Dimensiones / Protección

335


Las empresas media declaran haber implementado con éxito los siguientes casos de uso:

Personalización de publicidad y comunicaciones individualizadas para maximizar ventas.

Recomendación personalizada de contenidos para maximizar su consumo.

Análsis de comportamiento de compra para minimizar puntos de fuga.

Dashboards internos económicos y operacionales para gestión del negocio.

En definitiva, la principal prioridad de las empresas del sector han sido el conocimiento del cliente para trabajar la relación con él y su experiencia, con buenos resultados. Su objetivo principal, por ahora, ha sido la personalización de oferta de su negocio tradicional de contenidos para maximizar su consumo.

En menor medida, también ha sido objeto de proyectos exitosos la implementación de tecnología que facilite la visualización de cuadros de mando que ayuden optimizar la gestión interna.


Las empresas media afirman estar invirtiendo especialmente en los siguientes casos de uso:

Modelos analíticos de microsegmentación para hiperpersonalización de oferta de contenidos.

Personalización de contenidos en tiempo real para maximizar su consumo.

Algoritmos de estimación de audiencias en tiempo real para detectar contenidos y momentos de máxima audiencia, maximizando el consumo de contenidos.

Optimización inteligente de oferta de entornos publicitarios en base a patrones de consumo.

Securización inteligente de entornos publicitarios como valor diferencial para reforzar el offering actual de servicios.

Las empresas media continúan impulsando los casos de uso centrados en la personalización de contenidos, con marcada tendencia al análisis y la recomendación en tiempo real, para maximizar el consumo de contenidos. A pesar de la cantidad de información que manejan, sorprende que todavía se focalicen en su negocio tradicional.

Son incipientes otros casos de uso del dato y la analítica enfocados a complementar su offering a anunciantes, ofreciendo entornos de máxima visibilidad y máxima seguridad basados en monitorización inteligente de patrones para hacerlos más atractivos para los anunciantes.


Entre las media, están despertando interés los siguientes casos de uso:

Personalización de recomendación de contenidos para maximizar su consumo.

Modelos predictivos de audiencia para realizar previsiones de ventas.

Los casos de uso que las empresas media querrían impulsar continúan relacionados con la personalización de contenidos y recomendaciones, en formas variadas y bajo modelos más avanzados. Se observa tendencia a evolucionar sobre su negocio natural.

A nivel operativo, el uso de algoritmia para funciones de soporte capta la atención de un tercio de las empresas, que plantean incluir capacidades predictivas en su función de gestión económica aplicados a previsiones de audiencia e ingresos.


Las media invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Automatización de inserción de publicidad en medios mediante modelos analíticos.

Incluir los patrones de compra de los clientes en el análisis de rendimiento publicitario para optimización de la publicidad.

Las empresas media buscan nuevas soluciones basadas en el dato para optimizar su línea de negocio basada en la publicidad, pero parecen no haber logrado extraer el valor de la automatización de ciertas decisiones operativas ni del enriquecimiento de ciertos datos para la optimización de estas líneas.

El motivo de estos fracasos más destacado por las empresas media es la falta de un retorno obvio.

¿Cuáles son las prioridades de las empresas del sector Media?

335 Ascendant 2019

1

2

3

4

5

1

2

3

4

1

2

1

2

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Media / Casos de uso

337

Retail

337 Ascendant 2019

4. Estudio de Gobierno de Dato / Resultados Sectoriales / Retail

339

Modelos competitivos disruptivos

Bajo la influencia de los pure players (Amazon, Alibaba, etc.), que cuentan con exitosas estrategias de captación y explotación de datos a través del canal online, los players del sector Retail aspiran a entender la relación emocional de los consumidores con las marcas, con la gobernanza del dato como base de su estrategia de constante renovación y la trazabilidad del dato en los canales offline y online como uno de los principales retos comunes.

El sector frente al cambio

Los retailers afrontan el necesario cambio cultural y tecnológico partiendo de la base del dato como puerta de acceso al conocimiento del cliente. En muchos casos, el lastre de sistemas legacy heredados del pasado les impide abordar con agilidad los proyectos de transformación.

Necesidad de un cambio de enfoque

La transformación del sector está arrancando desde el back, procurando ganar simplicidad en los procesos, con el objetivo de optimizar costes y aumentar la eficiencia de las operaciones. Estos cambios repercuten rápidamente en la rentabilidad del negocio, pero no acaban de materializarse en iniciativas dirigidas al cliente final.

El gran reto del sector

La mayoría de players tiene acceso a un enorme volumen de datos, muchos de ellos disgregados. Sin embargo, muchos no saben cómo enfrentarse al reto de la monetización, conseguir que la explotación de esa información repercuta en mejoras claras para el negocio.

El sector evoluciona de un modelo centrado en las operaciones hacia estrategias del dato centradas en cliente, buscando estrechar su vínculo

emocional con la marca a partir de la experiencia de cliente.

Retail

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail

Ascendant 2019

Los retailers son conscientes de la necesidad de invertir en recursos (especialmente, nuevos perfiles) y tecnologías que permitan extraer mayor rendimiento a los datos: identificando nuevas fuentes de información, creando sinergias que deriven en nuevas oportunidades de negocio, repercutiendo el análisis en la construcción de una verdadera experiencia omnicanal.

La evolución del sector pasa por consolidar la consistencia entre canales y ofrecer un servicio completamente individualizado, relevante e integral. Un mayor conocimiento del cliente facilita la clusterización, abriendo la posibilidad de ofrecer servicios personalizados con impacto 1:1 en cualquier punto de contacto con la marca, y redefiniendo el marketing mix.

De esta manera, los principales retos del sector se centran en refinar el conocimiento del cliente durante todo su ciclo de relación con la marca, explotando adecuadamente los datos para optimizar y personalizar la experiencia (tanto online como offline) y mejorar así la percepción global de la marca.

Otro de los grandes desafíos del sector es la calidad de los procesos logísticos, donde la rapidez y excelencia en las entregas son clave para optimizar la experiencia de cliente. Mediante la automatización, control y monitorización de las operaciones en tiempo real es posible ahorrar costes significativamente y mejorar la eficiencia de la logística.

Extraer el valor del dato

Experiencia personalizada

Foco en cliente

Optimización logística

339


341 341

La escasez de talento afecta a dos tercios de las empresas del sector, que perciben la necesidad de incorporar en sus plantillas nativos digitales y

perfiles directivos para impulsar los procesos de transformación.

Retail


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Habilitadores Digitales

Estrategia


Cultura & Talento

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management




Claridad de Roles y liderazgo de las Organizaciones Orientadas al Dato





Gobierno del Dato

Gobierno del Dato









Preparación de la organización para la Transformación Digital España

Preparación de la organización para la Transformación Digital Retail


La consciencia de la importancia de la analítica y el gobierno del dato está presente en los planes estratégicos de dos tercios de las empresas del sector, aunque por el momento solo la mitad de los retailers ha concretado planes específicos de gobierno de dato en ámbitos bien definidos, con hojas de ruta propias. La toma de decisiones basada en datos está implementada en menos de la mitad de las empresas del sector. Un tercio continúa confiando en métodos tradicionales de decisión como la intuición y la experiencia, mientras que el resto está en proceso de adaptar sus estrategias a la analítica.

El sector Retail entiende el dato como el elemento facilitador de la visión 360 de cliente. Por ello, se extienden los planes para crear políticas centralizadas de gobierno del dato, superando la división en silos que todavía impera en buena parte del sector, aunque la evolución en este aspecto es lenta. La mayoría del trabajo pendiente se refiere a la creación de bases de datos de clientes unificadasEl 66% de las empresas han definido modelos de seguimiento y medición de impactos, con KPIs operacionales específicos. Respecto al gobierno de analítica (modelos y algoritmos), el 50% de las empresas cuenta con modelos predictivos y algoritmos fijos.

La mitad de los retailers opera con infraestructuras cloud o se encamina hacia ese modelo; la otra mitad continúa trabajando sobre máquinas on premise. El 80% de las empresas aborda la gestión de bases de datos de manera tradicional, a través de herramientas como Microstrategy, Qlickview o Power BI. Apenas un tercio de las empresas cuenta con algún tipo de procesamiento de la información en tiempo real. Están poco extendidas las herramientas para facilitar el gobierno del dato (diccionarios, MDMs, calidad), así como los desarrollos DevOps, con mayoritaria presencia de desarrollos de software manual.

En un sector claramente enfocado en la atención al cliente, es fundamental consolidar la cultura del dato en los puntos de atención directa al consumidor. Respecto a la calidad del dato, el 80% de las empresas se topa con contradicciones a la hora de extraer información. La fluidez interna de la información es otra aspiración clara del sector, todavía muy lejos de consolidarse. Por ahora, no se facilita el autoservicio a los empleados, aunque es un objetivo unánime en el futuro, al menos hasta ciertos niveles de decisión.

Ascendant 2019

343 343









Habilitadores Digitales, Estrategia Retail



• La consciencia de la importancia de la analítica y el gobierno del dato está presente en los planes estratégicos de dos tercios de las empresas del sector, aunque por el momento solo la mitad de los retailers ha concretado planes específicos de gobierno de dato en ámbitos bien definidos, con hojas de ruta propias

• La toma de decisiones basada en datos está implementada en menos de la mitad de las empresas del sector. Un tercio continúa confiando en métodos tradicionales de decisión como la

intuición y la experiencia, mientras que el resto está en proceso de adaptar sus estrategias a la analítica

• Ante la ausencia de protagonistas que conduzcan con determinación los procesos de cambio, las empresas perciben la necesidad de incorporar en sus equipos directivos un CDO, una figura que aúna conocimientos tecnológicos (analítica, movilidad, tecnologías en la nube, etc.) y dotes de negocio, con la responsabilidad principal de transformar los puntos de fricción en oportunidades

Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Habilitadores Digitales / Estrategia

Ascendant 2019

Retail


Las empresas ven la necesidad de dotar a sus equipos con nativos digitales y al equipo de dirección con un CDO.



345 345









Gobierno del dato

Gobierno del dato



Habilitadores Digitales, Organización Retail



• El sector Retail entiende el dato como el elemento facilitador de la visión 360 de cliente. Por ello, se extienden los planes para crear políticas centralizadas de gobierno del dato, superando la división en silos que todavía impera en buena parte del sector, aunque la evolución en este aspecto es lenta: un tercio de las empresas ha creado comités específicos de gobierno centralizado, y el 50% ha creado partidas presupuestarias específicas. La mayoría del trabajo pendiente se refiere a la creación de bases de datos de clientes unificadas

• Dos tercios de las empresas han definido modelos de seguimiento y medición de impactos, con KPIs operacionales específicos. Respecto al gobierno de analítica (modelos y algoritmos), la mitad de las empresas cuenta con modelos predictivos y algoritmos fijos, y un tercio dispone de algoritmos variables de autoaprendizaje

Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Habilitadores Digitales / Organización

Ascendant 2019

Retail


La conexión de todos los datos es la base de la transformación. Sin embargo, muchos retailers desconocen cómo abordar el tratamiento y

monetizar los datos disponibles.

347


Mentalidad

Mentalidad

Capacidades

Capacidades







347

Habilitadores Digitales, Cultura y Talento Retail


• En un sector claramente enfocado en la atención al cliente, es fundamental consolidar la cultura del dato en los puntos de atención directa al consumidor. Respecto a la calidad del dato, son pocas las empresas que han alcanzado el dato único: más del 80% de las empresas se topa con contradicciones a la hora de extraer información

• La escasez de talento afecta a dos tercios de las empresas del sector, que perciben la necesidad de incorporar en sus plantillas nativos digitales para impulsar los procesos de transformación

• La fluidez interna de la información es otra aspiración clara del sector, todavía muy lejos de consolidarse. Por ahora, no se facilita el autoservicio a los empleados, aunque es un objetivo unánime en el futuro, al menos hasta ciertos niveles de decisión

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Habilitadores Digitales / Cultura & Talento

Cultura& Talento

Ascendant 2019

Retail


Existe una necesidad creciente de incorporar nuevos perfiles que aporten las capacidades necesarias para poder materializar la transformación.

349

Infraestructura




349

Habilitadores Digitales, Tecnología Retail


Infraestructura





• La mitad de los retailers opera con infraestructuras cloud o se encamina hacia ese modelo; la otra mitad continúa trabajando sobre máquinas on premise

• Desaprovechando el potencial de las tecnologías analíticas más modernas, el 80% de las empresas aborda la gestión de bases de datos de manera tradicional, a través de herramientas como Microstrategy, Qlickview o Power BI. Apenas un tercio de las empresas cuenta con algún tipo de procesamiento de la información en tiempo real. La implementación de tecnologías para la gestión

del dato está entre los proyectos pendientes de las empresas Retail (14%) y los proyectos fracasados (17%), experiencia de la cual las retailers pueden aprender la importancia de los mecanismos de gestión del cambio

• Están poco extendidas las herramientas para facilitar el gobierno del dato (diccionarios, MDMs, calidad), así como los desarrollos DevOps, con mayoritaria presencia de desarrollos de software manual

Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Habilitadores Digitales / Tecnología

Ascendant 2019

Retail


La mayoría de retailers no tiene en cuenta los datos desestructurados por carecer de la tecnología y recursos necesarios para su explotación.

351

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Inteligencia

Ascendant 2019

La mayoría de los retailers valora las nuevas aplicaciones y soluciones que faciliten un contacto directo y personalizado con el cliente. Pese a ello, la digitalización del punto de venta es incipiente, aunque aún con mucho camino por recorrer, ya que no se está concediendo prioridad a los proyectos asociados a la experiencia de cliente, generalmente por desconocimiento de su impacto sobre las cifras del negocio.

EscuchaAlgunos retailers ya trabajan con herramientas de análisis predictivo y de aprendizaje (Big data / IOT / Analytics), y soluciones como CRMs o data lakes para la calidad y unificación del dato, aunque resta amplio margen para el aprendizaje: el 50% de las empresas admite captar datos que no sabe cómo explotar.

Actúa

La conexión de todos los datos, independientemente del canal de procedencia, es la base de la transformación, ya que permitirá tomar decisiones de negocio correctas. Sin embargo, solo un tercio de las empresas ya toma sus decisiones operativas a partir de datos, KPIs, informes y cuadros de mando.

Analiza

Retail

InteligenciaCapacidades de gestión del datos: Inteligencia Retail

Capacidades de gestión del datos: Inteligencia España














La integración de los datos en los procesos para personalizar la experiencia de compra de los clientes es una de las prioridades del sector.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

353
















Marca

Marca



SO - RRHH

SO - RRHH

SO- Sistemas

SO- Sistemas









Fraude

Fraude

Riesgos

Riesgos



Privacidad

Privacidad







5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Dimensiones

Ascendant 2019

Más allá de servir como fuentes de ingresos, entre los retailers se extiende la percepción de los e-commerces y apps como fuente de conocimiento del cliente y laboratorio de pruebas de prácticas personalizadas, asentando las bases para una experiencia omnicanal real. La propuesta de valor del sector continúa muy aferrada al producto y/o la marca.Los procesos de coopetition están poco extendidos en el sector: solo el 20% de las empresas recurre a la colaboración con empresas digitales que les ayudan a identificar informes o tecnologías relacionados con el dato, así como a compartir y explotar la información.

Innovación

Con el fin de mejorar la eficiencia de su cadena de distribución, muchos retailers comienzan a explorar el potencial de la analítica. Para ello, deben acceder a las tecnologías que permiten recolectar y procesar el dato desestructurado, fundamental para la recogida de información y feedback de los usuarios.La digitalización, control y monitorización de las operaciones en tiempo real sigue suponiendo un reto a resolver para muchas empresas del sector; un campo donde la correcta automatización ofrece alto potencial de ahorro de costes. El 50% de los retailers está integrado con proveedores y distribuidores y comparte con estos información de forma automática.

Operaciones

De la detección de los puntos de fricción con el cliente surge la necesidad de transformar el Punto de Venta e incluirlo en los procesos globales digitales. A día de hoy, sin embargo, la mayoría de los retailers aborda la digitalización del Punto de Venta desde el punto de vista de la optimización de recursos y procesos y como método de seguimiento en tiempo real de las ventas.El 50% de los retailers ha puesto en marcha iniciativas para mejora de la experiencia de cliente a partir de los datos de que disponen. Está pendiente un trabajo de unificación de datos para mejorar el conocimiento del cliente, ya que, por ejemplo, casi el 70% de las empresas incorpora información a partir de encuestas elaboradas a pie de tienda.

ClienteUna faceta de la mejora de experiencia de cliente se plasma en el amplio abanico de opciones de compra (Click & Collect, Reserve & Collect, Smile & Pay, entrega en lugar de trabajo, etc.) que se ofrecen al consumidor. Todos esos posibles puntos de contacto aumentan la cantidad de información recopilada, por lo que es perentorio reforzar las políticas de seguridad para proteger identidades y datos de usuarios. El sector Retail se toma muy en serio las políticas de seguridad y prevención de riesgos. Todas las empresas cumplen estrictamente con la normativa GDPR; para prevenir el fraude, también llevan a cabo procesos preventivos de scoring, revisión y auditorías de las pasarelas de pago, aunque no de manera predictiva.

Protección

Retail

Dimensiones

353

Innovación

Innovación

Cliente

Cliente

Protección

Protección

Operaciones

Operaciones

Preparación de la organización para la Transformación Digital Retail


El punto de madurez digital del sector no es uniforme: los planes de gestión del cambio, formación y capacitación necesarios

para la transformación son muy dispares.

355










355

Dimensiones, Innovación Retail


• Más allá de servir como fuentes de ingresos, entre los retailers se extiende la percepción de los e-commerces y apps como fuente de conocimiento del cliente y laboratorio de pruebas de prácticas personalizadas, asentando las bases para una experiencia omnicanal real

• La propuesta de valor del sector continúa muy aferrada al producto y/o la marca. Es necesario ampliar la visión y aprovechar el potencial de los datos para detectar nuevas fuentes de negocio

• Los procesos de coopetition están poco extendidos en el sector: solo casi el 20% de las empresas recurre a la ayuda de empresas de nicho externas que les ayudan a identificar informes o tecnologías relacionados con el dato, así como a compartir y explotar la información

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Dimensiones / Innovación

Innovación

Ascendant 2019

Retail

Dimensiones

El punto de madurez digital del sector no es uniforme: los planes de gestión del cambio, formación y capacitación necesarios para la transformación

son muy dispares.

357


357

Dimensiones, Cliente Retail



Marca

Marca






• De la detección de los puntos de fricción con el cliente surge la necesidad de transformar el Punto de Venta e incluirlo en los procesos globales digitales. A día de hoy, sin embargo, la mayoría de los retailers aborda la digitalización del Punto de Venta desde el punto de vista de la optimización de recursos y procesos y como método de seguimiento en tiempo real de las ventas; son pocos los que plantean la digitalización del PdV como fuente para la obtención de datos de clientes

• La mitad de los retailers ha puesto en marcha iniciativas para mejora de la experiencia de cliente a partir de los datos de que disponen. Sin embargo, pocos proyectos de los que están llevando a cabo las empresas se centran en la experiencia del cliente: sólo un 17% de los proyectos del dato en curso se centran en su experiencia. Está pendiente un gran trabajo de unificación de datos para mejorar el conocimiento del cliente, ya que, por ejemplo, casi el 70% de las empresas incorpora información a partir de encuestas elaboradas a pie de tienda

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Dimensiones / Cliente

Cliente

Ascendant 2019

Retail

Dimensiones

En un sector tan cambiante y de difícil trazabilidad física / digital, es esencial la monitorización del cliente a través de plataformas de escucha.

359


359

Dimensiones, Operaciones Retail


















• Con el fin de mejorar la eficiencia de su cadena de distribución, muchos retailers comienzan a explorar el potencial de la analítica. Para ello, deben acceder a las tecnologías que permiten recolectar y procesar el dato desestructurado, fundamental para la recogida de información y feedback de los usuarios

• Si bien ninguna destaca sus proyectos de optimización inteligente de operaciones entre sus casos de uso del dato más exitosos, las empresas Retail mantienen estos proyectos en su agenda: la mitad cuenta con proyectos de aplicación del dato a sus operaciones en desarrollo y el 57% incluye este tipo de proyectos en su roadmap futuro. El foco es principalmente la optimización de cadena de

suministro, con intentos incipientes en funciones de back office (gestión financiera, RRHH)

• La digitalización, control y monitorización de las operaciones en tiempo real sigue suponiendo un reto a resolver para muchas empresas del sector; un campo donde la correcta automatización ofrece alto potencial de ahorro de costes. Soluciones de trazabilidad, gestión de stocks en tiempo real (tanto físico como online) o gestión de rutas, deben ganar más protagonismo en el mapa de sistemas

• El 50% de los retailers está integrado con proveedores y distribuidores y comparte con estos información de forma automática

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Dimensiones / Operaciones

Operaciones

Ascendant 2019

Retail

Dimensiones

Compitiendo con pure players capaces de completar entregas en dos horas, la optimización de la cadena de suministro es clave para la satisfacción

y fidelización del cliente.

361


Dimensiones, Protección Retail

Fraude

Privacidad

Privacidad

Riesgos

Riesgos







Fraude


• Una faceta de la mejora de experiencia de cliente se plasma en el amplio abanico de opciones de compra (Click & Collect, Reserve & Collect, Smile & Pay, entrega en lugar de trabajo, etc.) que se ofrecen al consumidor. Todos esos posibles puntos de contacto aumentan la cantidad de información recopilada, por lo que es perentorio reforzar las políticas de seguridad para proteger identidades y datos de usuarios

• El sector Retail se toma muy en serio las políticas de seguridad y prevención de riesgos. Todas las empresas cumplen estrictamente con la normativa GDPR; para prevenir el fraude, también llevan a cabo procesos preventivos de scoring, revisión y auditorías de las pasarelas de pago, aunque no de manera predicitiva

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Dimensiones / Protección

Protección

Ascendant 2019

Retail

Dimensiones

Los clientes dejan un rastro constante de sus datos personales en los diferentes momentos de interacción con los comercios, por lo que el sector

no puede olvidar que la seguridad debe acompañar siempre al cliente.

363


Las empresas de Retail declaran haber implementado con éxito los siguientes casos de uso:

Programa de fidelización basado en IA.

Patrón de compra para maximizar las ventas abordando el momento de máxima conversión.

Modelos analíticos para la optimización de puntos de venta físicos (redimensionamiento, acciones promocionales según punto de venta,…).

Dashboards de gestión de negocio (comercial, económico) para optimizar la toma de decisiones.

Tecnología del dato para automatizar el reporting.

Los casos de uso que han mostrado éxito en el sector revelan cierta variedad, con una discreta inclinación hacia el conocimiento del cliente con objetivos de maximización del negocio actual, más que el impulso de negocios disruptivos.

A nivel interno, se observa la priorización de la optimización operativa de procesos de reporting, considerando también la implementación de la tecnología que sustenta el nuevo proceso un caso de éxito.


Las empresas del sector afirman estar invirtiendo especialmente en los siguientes casos de uso:

Personalización de experiencia de cliente en tienda para fidelizar al cliente y maximizar ventas.

Análisis de comportamiento de clientes en canales de venta tradicionales y digitales para maximizar ventas.

Implantación de herramientas analíticas de gestión de cliente para extraer el máximo valor comercial de cada cliente y direccionar esfuerzos comerciales.

Planificación inteligente de cadena de suminsitro para eficientar la misma y asegurar la disponibilidad de stock en tiendas, con impacto en costes de gestión y en experiencia de cliente.

Autoservicio del dato en funciones back office para optimizar las funciones de soporte.

Se observa claramente que el sector está invirtiendo esfuerzos en reforzar la relación con el cliente final: se implanta tecnología para gestionar el conocimiento del consumidor, se aplican modelos de análisis de comportamiento de compra y se busca personalizar su experiencia.

A nivel operativo, a las empresas Retail les han funcionado bien los casos de uso relacionados con cadena de suministro, y han aprovechado las oportunidades de la democratización del dato en el buen funcionamiento de sus procesos back office (gestión financiera).


Entre las empresas Retail, están despertando interés los siguientes casos de uso:

Análisis de patrones de compra para maximización de ventas.

Gestión reputacional inteligente para asegurar el posicionamiento de marca y reforzar la vinculación del cliente con ésta.

Implantación de nuevas tecnologías que aseguren una preparación tecnológica óptima para la gestión y explotación del dato.

Modelos predictivos de demanda para gestión de stock y logística.

Aplicación de modelos analíticos en todas las funciones del negocio (incluyendo procesos de soporte) y visibilidad completa para eficientar al máximo los procesos de la organización.

Las empresas continuarán invirtiendo en conocer el comportamiento del cliente para maximizar sus ventas, así como en trabajar el vínculo emocional del cliente con su marca mediante técnicas analíticas de gestión reputacional.

La tecnología del dato es algo en lo que el sector quiere invertir decididamente, para aprovechar todas sus ventajas no sólo en la gestión de cadena de suministro, sino en todos los niveles de la organización.


Las empresas Retail invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Modelos analíticos aplicados a patrones de compra, que han continuado rediseñándose.

Programa inteligente de fidelización, que han continuado rediseñándose.

Implantación de herramientas analíticas de gestión de cliente para extraer el máximo valor comercial de cada cliente y direccionar esfuerzos comerciales.

Implementación de nuevas herramientas de visualización para eficientar el reporting.

Optimización inteligente de gestión de stock. Muchos de los casos de uso fracasados han sido posteriormente rediseñados y testados de nuevos por las empresas de Retail, convirtiéndose en nuevos casos de uso exitosos o en los que están invirtiendo ahora mismo. A pesar de haber fallado, parecen apuestas fuertes del sector aquellos casos relacionados con la eficientación de funciones de reporting, gestión de stock y conocimiento del cliente.

Las empresas Retail acusan la falta de gestión del cambio como principal causa de fracaso de los proyectos relacionados con implementación de herramientas.

¿Cuáles son las prioridades de las empresas del sector Retail?

363 Ascendant 2019

1

2

3

4

5

5

1

2

3

4

1

2

1

2

5 5

33

4 4

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Retail / Casos de uso

365

Sector Público

365 Ascendant 2019

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público

367 367

Avance en la transformación

Aunque diferentes organismos públicos y partidos políticos han difundido propuestas para impulsar el gobierno del dato y la analítica, a falta de acciones que las impulsen con determinación, el avance de estas iniciativas dentro del Sector Público, salvo contadas excepciones, es lento.

Reforzar

Las acciones relacionadas con el dato suelen tener carácter reactivo y limitarse al plano operacional, imperando la función sobre el proceso y el dato. En General, en el Sector Púbico se está pendiente de definirse una estrategia de dato único, que refuerce unas políticas de gobernanza excesivamente débiles.A nivel municipal, los datos están compartimentados en silos, lo que precisa de sistemas de gestión normalizados y únicos, que aporten valor a las organizaciones y al ciudadano.

Cultura tradicional

La cultura de transformación no ha calado dentro del Sector Público, estancándose muchas iniciativas en planes de administración electrónica. Entre los trabajadores públicos falta preparación, es necesario fomentar iniciativas de comunicación y formación, por el momento, prácticamente inexistentes.

Recursos limitados

Otra de las grandes limitaciones en el Sector Público es la presupuestaria, con escasez de partidas destinadas a la analítica o presupuestos prorrogados de ejercicios anteriores.

Impulsand la innovación

Respecto a la Innovación, el sector público ha lanzado grandes proyectos de Innovación en ámbitos concretos sectoriales (Tributos, participación ciudadana, etc.) y en ámbitos transversales que existe concienciación y algunas iniciativas (por ejemplo Smart cities, planes digitales,..) en lo referente al dato tienen un amplio margen de mejora, al igual que sucede con otras actuaciones en tecnologías disruptivas.

En los organismos públicos existe una concienciación en el valor del dato para mejorar los servicios públicos, pero aún tienen un largo camino por delante.

Sector Público

Garantizar la calidad del dato es un requisito básico anterior a la implantación de las políticas de analítica. Como paso previo a la definición de estrategias de dato únicas, las AAPP deben consolidar avances significativos en tres frentes clave: simplificación de todos los procedimientos administrativos para la sociedad (ciudadanos, empresas, etc.), consolidación de soluciones o plataformas, especialmente las relacionadas con tramitación, registro y subvenciones y aumentar la transversalidad de procesos y plataformas, para hacer realmente transparente de cara al ciudadano la complejidad de la organización funcional del Sector Público.

Es necesario disponer de los medios para extender las medidas de seguridad que garanticen la confidencialidad y el buen uso de los datos sensibles.

Por otra parte, como por ejemplo los proyectos de ciudad inteligente, se sitúa al ciudadano como origen y beneficiario de todas las iniciativas relacionadas con los datos, impulsarán y consolidarán la madurez de los procesos de transformación. La evolución natural consistirá en vertebrar la relación con el ciudadano sobre soluciones CRM extendidas, lo que puede favorecer el objetivo de dato único.

Los organismos públicos pueden plantearse poner en valor la transparencia y la utilización del dato (open data), para ofrecer a la sociedad (empresas, ciudadanos,...) información de valor para generar riqueza en el territorio e impulso en la economía digital.

Calidad del dato

Protección del dato

Centrado en la ciudadanía

Open Data

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público

Ascendant 2019


369

La ausencia de talento cualificado y de figuras que lideren el proceso limita el desarrollo del gobierno del dato en el Sector Público.

Sector Público


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Habilitadores Digitales

Ascendant 2019

El ciudadano es origen y beneficiario de todas las políticas públicas relacionadas con los datos y la analítica. Sin embargo, dadas las características históricas inherentes al Sector Público, la implantación de esas políticas está siendo excesivamente lenta.Entre los organismos públicos entrevistados, menos de la mitad (45%) dispone de un plan estratégico de transformación con capítulos relacionados con el dato. Un 33% está en proceso de elaborar dichas estrategias, y un 22% ni siquiera se ha planteado elaborarlas.

Si bien en el sector privado la alta dirección suele encabezar el compromiso y asumir la responsabilidad de las iniciativas de transformación, no parece existir en el Sector Público un liderazgo equivalente entre los altos cargos: en menos de la mitad de las organizaciones se identifica un responsable claro (equivalente a un CDO) que lidere el proceso de cambio. La partición del dato en silos aislados es otro problema frecuente, detectado en el 90% de las organizaciones públicas. Igualmente, no existen modelos predictivos ni gobierno de la analítica.

En el ámbito tecnológico, el Sector Público trabajan eminentemente sobre infraestructura propietaria (casi el 80. Está pendiente una migración hacia las infraestructuras en la nube si se pretende explotar la flexibilidad e interoperabilidad de los grandes volúmenes de información. Pocas administraciones almacenan datos desestructurados (un 33% de las administraciones entrevistadas) y la mayoría (90%) procesa la información a través de ETLs tradicionales. En relación al gobierno del dato, un 78% de las organizaciones públicas no dispone de herramienta alguna de gobierno (diccionarios, MDM, etc.); respecto al entorno de desarrollo de software, es manual en más de la mitad de las administraciones.

El principal problema del Sector Público consiste en enfocarse más hacia la función (la atención al ciudadano como fin) que hacia el proceso (el dato como medio). Por este motivo, más del 50% de los organismos públicos entrevistados reconoce que ni siquiera existe una cultura del dato entre sus trabajadores; más agravante, en el 66% de estas no existen planes de evangelización para inculcar la importancia del dato entre los funcionarios. Dada la delicadeza y las normativas relacionadas con la protección de los datos, el acceso a la información está controlado, y solo se permite en función del perfil. Un tercio de las organizaciones facilita o se encuentra en vías de facilitar a sus trabajadores el acceso al autoservicio.

Estrategia


Cultura & Talento

369

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Sector Público


371 371

• El ciudadano es origen y beneficiario de todas las políticas públicas relacionadas con los datos y la analítica. Sin embargo, dadas las características históricas inherentes a las AAPP, la implantación de esas políticas está siendo excesivamente lenta

• Entre los organismos públicos entrevistados, menos de la mitad (45%) dispone de un plan estratégico de transformación con capítulos relacionados con el dato. Un 33% está en proceso de elaborar dichas

estrategias, y un 22% ni siquiera se ha planteado elaborarlas

• Inercias tradicionales en el sector público siguen suponiendo un importante lastre a la hora de dinamizar los procesos de cambio. En casi un 90% de las organizaciones, se precisa de un liderazgo más ejecutivo que oriente las iniciativas de innovación y experimentación

Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Habilitadores Digitales / Estrategia

Ascendant 2019





Habilitadores Digitales, Estrategia Sector Público


Sector Público







Fortalecer el conocimiento del ciudadano es el principal objetivo del Sector Público, aunque las iniciativas de transformación son excesivamente lentas.



373

• Si bien en el sector privado la alta dirección suele encabezar el compromiso y asumir la responsabilidad de las iniciativas de transformación, no parece existir en el sector público un liderazgo equivalente: en menos de la mitad de las organizaciones se identifica un responsable claro que lidere los procesos de cambio. Tampoco existe una figura equivalente al CDO de las empresas privadas

• A nivel de recursos presupuestarios, las partidas asignadas a los procesos de transformación se consideran insuficientes en el 55% de las organizaciones, lo que impide abordar todos los retos que conlleva una transformación hacia el dato

• La partición del dato en silos aislados es otro problema frecuente, detectado en el 90% de las organizaciones públicas. Igualmente, no existen modelos predictivos ni gobierno de la analítica

Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Habilitadores Digitales / Organización

Ascendant 2019 373




Gobierno del dato


Habilitadores Digitales, Organización Sector Público


Sector Público





Gobierno del dato



La ausencia de personal cualificado y de asignaciones presupuestarias limita el desarrollo de planes en torno a la analítica.

375

• El principal problema del sector público consiste en enfocarse más hacia la función (servicio al ciudadano como fin) que hacia el proceso de gobierno del dato (el dato como medio). Por este motivo, más de la mitad de los organismos públicos entrevistados reconoce que ni siquiera existe una cultura del dato entre sus trabajadores; más agravante, en dos tercios de estas no existen planes de evangelización para inculcar la importancia del dato entre los funcionarios

• El 90% de las AAPP admite no contar con el talento necesario para abordar los procesos de transformación en torno al dato, pero apenas el 22% dispone de programas de transformación o reciclaje de talento alrededor del dato

• Dada las exigencias y las normativas relacionadas con la protección de los datos, el acceso a la información está controlado, y solo se permite en función del perfil. Un tercio de las organizaciones facilita o se encuentra en vías de facilitar a sus trabajadores el acceso al autoservicio

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Habilitadores Digitales / Cultura & Talento

Cultura& Talento

Ascendant 2019


Mentalidad




375

Sector Público

Habilitadores DigitalesHabilitadores Digitales, Cultura y Talento Sector Público

Mentalidad





Entre el funcionariado público no existe capacitación para asumir una cultura organizada en torno al dato; tampoco hay suficientes

iniciativas de evangelización.

377 377

• En el ámbito tecnológico, las administraciones públicas trabajan eminentemente sobre infraestructura propietaria, con casi un 80% de organizaciones operando sobre máquinas físicas. Está pendiente una migración hacia las infraestructuras en la nube si se pretende explotar la flexibilidad e interoperabilidad de los grandes volúmenes de información

• Pocas administraciones almacenan datos desestructurados (un 33% de las administraciones entrevistadas) y la mayoría (90%) procesa la

información a través de ETLs tradicionales. La explotación de la información se ejecuta a través de herramientas tradicionales (Microstategy, Power BI, Tabloo, Microsoft Access, etc.)

• En relación al gobierno del dato, un 78% de las organizaciones públicas no dispone de herramienta de gobierno (diccionarios, MDM, etc.); respecto al entorno de desarrollo de software, es manual en más de la mitad de las administraciones

Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Habilitadores Digitales / Tecnología

Ascendant 2019

Sector Público

Habilitadores DigitalesHabilitadores Digitales, Tecnología Sector Público


Infraestructura




Infraestructura





Casi el 80% de la infraestructura tecnológica pública es on premise. Está pendiente una migración al cloud si se pretende extraer el máximo

el partido de los datos.

379

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Inteligencia

Ascendant 2019

En la mayoría del Sector Público, la toma de decisiones se hace de una forma tradicional o en función del signo político que gobierne en esos momentos.

ActúaLos procesos de escucha, habituales en el Sector Público, no existen en el Sector Público: no tiene sentido evaluar su posicionamiento en el mercado, pero sí podría ser útil conocer y evaluar el sentimiento ciudadano respecto a los servicios públicos que reciben.Todas las organizaciones captan datos estructurados, y el 55% capta además dato desestructurado.

Escucha

Todos los organismos públicos entrevistados admiten captar datos que no utilizan ni explotan, pero ni siquiera cuentan con programas o iniciativas para explotarlos en el futuro; antes, deben conocer si el dato aportará valor, un objetivo complicado dada la escasez de profesionales y partidas presupuestarias.

Analiza

Sector Público

InteligenciaCapacidades de gestión del dato: Inteligencia Sector Público















El Sector Público capta datos que no se explotan ni procesan; antes, los organismos demandan conocer si ese dato aportará

realmente valor.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

381

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Dimensiones

Ascendant 2019

La innovación en el Sector Público debe centrarse en el desarrollo de una política más eficiente de atención y servicio al ciudadano. En este sentido, el 55% de las organizaciones entrevistadas manifiesta su intención de derivar hacia políticas más personalizadas, aunque el recorrido por delante para lograr ese objetivo es aún largo.El 11% de las organizaciones entrevistadas asegura haber puesto en marcha algún tipo de colaboración con empresas digitales, startups expertas en dato u otros organismos para compartir y explotar la información. En ningún caso se contemplan por el momento iniciativas para monetizar los datos -siempre en beneficio del ciudadano.

El Sector Público tienen cada vez más en cuenta la experiencia del ciudadano; no hay que olvidar que este también es consumidor digital, habituado a niveles de satisfacción altos en su interacción con productos y servicios digitales. Si bien los organismos públicos no pueden ni aspiran a competir con dichos servicios, sí es cierto que comienzan a preocuparse por rebajar la notoria distancia en los niveles de satisfacción.Para mejorar el detalle del conocimiento del ciudadano, el Sector Público comienza a medir sus niveles de satisfacción mediante encuestas y procesos simplificados de atención.

Innovación

CiudadaníaUn dato realmente sorprendente en el sector que debería predicar la estricta observación de la ley con el ejemplo: el 88% -y no el 100%- de las organizaciones entrevistadas asegura disponer de medidas y políticas que garanticen el cumplimiento de la GDPR; el resto se encuentra en proceso de implantación de dicha regulación, pendiente de definir ciertos procesos.Respecto a las amenazas de fraude, el 55% de las organizaciones entrevistadas lleva a cabo procesos de scoring, revisión y auditorías internas para prevenir posibles fraudes.

Protección

A diferencia del sector privado, donde la analítica del dato optimiza diferentes áreas vinculadas al ámbito de operaciones -tanto las relacionadas con el core del negocio como aquellas de soporte-, en el Sector Público no se observa optimización a través de la analítica, en el área económico-financiera, en el área de RRHH y en el área legal. En el caso de sistemas, la mayoría de las organizaciones participantes dispone de una herramienta de reporting de incidencias, pero llevan a cabo análisis predictivo. Por último, sólo el 22% mejora su mapa de procesos usando el dato para su optimización.

Operaciones

Sector Público

Dimensiones
















Marca

Marca



SO - RRHH

SO - RRHH

SO- Sistemas

SO- Sistemas









Fraude

Fraude

Riesgos

Riesgos



Privacidad

Privacidad







381

Innovación

Innovación

Ciudadanía

Ciudadanía

Protección

Protección

Operaciones

Operaciones

Preparación de la organización para la Transformación Digital Sector Público


En el Sector Público, la atención al ciudadano debe concretarse en programas de atención al ciudadano más eficientes y personalizados.


383

• La innovación en el sector público debe centrarse en el desarrollo de una política más eficiente de atención y servicio al ciudadano. En este sentido, el 55% de las organizaciones entrevistadas manifiesta su intención de derivar hacia políticas más personalizadas, aunque el recorrido por delante para lograr ese objetivo es aun largo

• El 11% de las organizaciones entrevistadas asegura haber puesto en marcha algún tipo de colaboración

con empresas digitales, startups expertas en dato u otros organismos para compartir y explotar la información. En ningún caso se contemplan por el momento iniciativas para monetizar los datos

• Además se debe seguir impulsando el open data con el objetivo de impulsar soluciones dirigidas a la sociedad que esta pueda monetizar e impulsar la economía

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Dimensiones / Innovación

Innovación

Ascendant 2019

Sector Público

Dimensiones





383

Dimensiones, Innovación Sector Público





En el Sector Público, la innovación debe concretarse en programas de atención al ciudadano más eficientes y personalizados.

385

• Las administraciones públicas tienen cada vez más en cuenta la experiencia del ciudadano; no hay que olvidar que este también es consumidor digital, habituado a niveles de satisfacción altos en su interacción con productos y servicios digitales. Si bien los organismos públicos no compiten con dichos servicios, sí es cierto que comienzan a preocuparse por que la experiencia usuario tienda a dichos los niveles de satisfacción

• Para mejorar el detalle del conocimiento del ciudadano, las administraciones públicas comienzan

a medir sus niveles de satisfacción mediante encuestas, y procesos simplificados de atención, etc. Sin embargo, este proceso es lento: casi el 80% de los organismos o bien no incorpora datos de fuentes externas, o bien no es capaz de integrar esa información con la que tiene disponible

• Respecto al conocimiento del mercado, dada las características del sector, las AAPP se comparan sobre todo con otras administraciones tanto nacionales como extranjeras, pero no captan información de empresas en el mercado

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Dimensiones / Ciudadanía

Ciudadanía

Ascendant 2019

Sector Público

Dimensiones

Dimensiones, Ciudadanía España

385

Dimensiones, Ciudadanía Sector Público



Marca

Marca






El ciudadano es el cliente del Sector Público, al que se trata de conocer con más detalle a través de encuestas y procesos simplificados de atención.

387

• A diferencia del sector privado, donde la analítica del dato optimiza diferentes áreas vinculadas al ámbito de operaciones -tanto las relacionadas con el core del negocio como aquellas de soporte-, en el sector público no se observa en general una optimización a través de la analítica en las áreas de soporte

• En el caso de sistemas, la mayoría de las organizaciones participantes dispone de una herramienta de reporting de incidencias, pero llevan no a cabo análisis predictivo

• Respecto a la integración con proveedores, un tercio de las organizaciones está conectada directamente con los proveedores y comparte información de forma automática con ellos

• Por último, solo el 22% mejora su negocio usando el dato para su optimización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Dimensiones / Operaciones

Operaciones

Ascendant 2019

Sector Público

Dimensiones


387

Dimensiones, Operaciones Sector Público
















Las operaciones en el Sector Público siguen procesos eminentemente clásicos, sin apenas ambición de evolucionar hacia metodologías avanzadas.

389

• No el 100% de las organizaciones entrevistadas asegura disponer de medidas y políticas que garanticen el cumplimiento de la GDPR; el resto se encuentra en proceso de implantación de dicha regulación, pendiente de definir ciertos procesos

• Respecto a la detección de fraude a través de la analítica, el 55% de las organizaciones

entrevistadas lleva a cabo procesos de scoring, revisión y auditorías internas para prevenir posibles fraudes

• El análisis predictivo de posibles amenazas futuras tiene margen de mejora en las AAPP, más allá del criterio o intuición de los expertos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Dimensiones / Protección

Protección

Ascendant 2019

Sector Público

Dimensiones


389

Dimensiones, Protección Sector Público

Privacidad



Fraude

Fraude

Privacidad




La sensibilidad de los datos y la garantía de protección son fundamentales en el Sector Público, aunque no se observa el mismo compromiso con la

seguridad que en muchos sectores privados.

391

¿Cuáles son las prioridades de las empresas del Sector Público?


El Sector Público declara haber implementado con éxito los siguientes casos de uso:

Planificación inteligente para optimizar procesos de atención a la ciudadanía.

Optimización de tiempos en la ejecución de los procesos (licencias, expedientes, etc.).

Dashboards automáticos para optimizar la gestión interna.

El sector ha explorado con éxito las posibilidades del dato y la analítica en varios ámbitos, destacando entre el resto los procesos de atención a la ciudadanía, reduciendo los tiempos de ejecución de los procesos de atención.


El Sector Público afirma estar invirtiendo especialmente en los siguientes casos de uso:

Implementación de herramientas analíticas en todos los procesos para garantizar la trazabilidad y eficiencia del mapa de procesos.

Evolución hacia el gobierno organizativo del futuro, con foco en transformarse en una organización data driven.

El sector sigue invirtiendo en la implementación de herramientas analíticas, tras darse casos de uso exitosos en este mismo ámbito. Asimismo, ponen énfasis en la optimización de los procesos ambicionando la mejora de los tiempos de los procesos y la mejora de la atención a la ciudadanía.

También están trabajando más allá del ámbito operacional, el sector se está preparando para la nueva realidad data driven: están sentando los cimientos tecnológicos que facilitarán la gestión del dato y su análisis, así como los cimientos organizativos (estructura, roles y responsabilidades, sistemas de gobierno,…) que impulsarán la adaptación a la nueva realidad del dato. Ambos pilares son clave para preparar los cimientos que lleven el valor del dato más allá del reducto operacional.


En el sector de Sector Público están despertando interés los siguientes casos de uso:

Aplicación de modelos analíticos en funciones transversales, especialmente para optimizar la gestión de cada Sector Público.

Utilización de Inteligencia Artificial para la clasificación de Información disponible.

El sector espera continuar invirtiendo en perfeccionar sus operaciones core, aspirando a un máximo grado de optimización de todo el prcoeso, con foco en la ciudadanía.


El sector de Sector Público invirtió sin éxito en los siguientes casos de uso, que fueron abandonados:

Implementación de ciertos dashboards de gestión.

Implementación de mejoras de ciertos procesos de atención a la ciudadanía.

El 88% del Sector Público entrevistadas indican no disponer todavía de casos de uso fracasados debido al estado incipiente de aplicación del dato y la analítica, lo cual revela cierta necesidad de imprimir velocidad a la transformación data driven en el sector. El Sector Público debe experimentar con el dato más allá de su ámbito “seguro” de aplicación, para descubrir nuevas posibilidades.

391 Ascendant 2019

1

2

3

1

22

11

2

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Sector Público / Casos de uso

393 393

Seguros

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros

Ascendant 2019

395 395

En un modelo de negocio predominantemente tradicional e intermediado, la transformación interna (organización, cultura,

tecnología,…) y la visibilidad del cliente final son los dos grandes retos que marcan la diferencia para las aseguradoras.

Seguros

La evolución de las aseguradoras hacia el paradigma Organización Orientada al Dato se basa en el equilibrio entre las necesidades reales de los clientes, la correcta gestión de sus canales mediados y la tipología de productos, terreno en el que se presentan claras oportunidades de innovación (seguros de auto, hogar conectado, microseguros, pay per use, etc.).

El modelo de relación digital, con una nueva forma de procesar e interpretar los datos de riesgo, precisa del trabajo conjunto de actuarios y especialistas en el tratamiento de la información para generar modelos analíticos y predictivos de nuevos riesgos, sin tradición en el sector.

Las tecnologías basadas en Big Data e IA son cada vez más empleadas para la explotación de la información y analítica orientada al seguimiento de las operaciones. A fin de mejorar el conocimiento y la relación con el cliente, es necesario un esfuerzo adicional para aprovechar la gran cantidad de datos que se generan en los procesos de negocio, principalmente en los de suscripción y prestaciones, así como los procedentes de fuentes externas (redes sociales, IoT, censos, BBDD públicas, etc.).

Queda pendiente el desarrollo de modelos para el análisis de datos en tiempo real, que permitirían aplicaciones como, por ejemplo, descubrir relaciones ocultas entre personas implicadas en una reclamación.

Transformación integral data driven

Interacción digital

Combinación de fuentes de datos

Analítica avanzada real time

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros

Ascendant 2019

El reto de conocer al cliente

El sector asegurador presenta algunas particularidades que influyen en su modelo de transformación. La principal es la mediación: un modelo B2B2C que en muchos casos complica la interacción directa con el cliente.La digitalización y empoderamiento del cliente empujan a las aseguradoras a migrar de un entorno operativo y de negocio tradicional (papel, oficinas, agentes) hacia un modelo abierto y colaborativo de autoservicio, más transaccional, con mayor recurrencia y mejores márgenes a largo plazo.

Transformación integral: una necesidad

Muchas aseguradoras se encuentran en pleno proceso de adopción de la cultura del dato, para lo que disponen cambios organizativos y tecnológicos. Está pendiente una generalización de las herramientas y tecnologías que permitan explotar la información que aportan los datos, así como un cambio de mentalidad para crear nuevas propuestas de valor basadas en datos, y no en ideas de negocio.

La gestión/unidad del dato empieza en los procesos

Las aseguradoras tienen un amplio margen de mejora en la unificación de procesos tanto digitales como físicos, que aseguren la integridad y conciliación entre aplicaciones y sistemas de gestión, para así disminuir el tiempo de procesamiento de las BBDD.


397 397

La actitud wait and see, pendiente de los movimientos de los competidores o de las novedades en otro sectores, está muy extendida en el sector.

Además, la escasez de talento digital en el sector es un claro reto a superar.

Seguros


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Habilitadores Digitales

Ascendant 2019

Todo el sector afirma ser consciente de la trascendencia del dato, y se desarrollan iniciativas estratégicas al respecto. Sin embargo, apenas el 25% de las organizaciones entrevistadas tiene claras la visión y estrategia a seguir para evolucionar hacia una Organización Orientada al Dato, y el 33% está terminando de definir la estrategia. La toma de decisiones estratégicas por parte de la primera línea directiva todavía sigue el curso tradicional en el 83% de las organizaciones.

A diferencia de otros sectores analizados, no existe un convencimiento general sobre la necesidad de transformación hacia el dato, una convicción que se manifiesta sobre todo en las empresas pequeñas del sector. Mientras que en las medianas y grandes aseguradoras, existe un pleno convencimiento de la transformación hacia Organizaciones Orientadas al Dato. Aunque la calidad del dato es clave para la generación de valor, la mayoría de empresas reconoce contar con un gobierno del dato fragmentado en silos.

Dos tercios de las aseguradoras dispone de infraestructuras on premise, el 25% ya dispone de su infraestructura en cloud y otro 8% se encuentra en proceso de migrar la infraestructura.La ingesta de datos se produce mayoritariamente en Batch, con sólo un 8% de empresas disponiendo de capacidades de ingesta en tiempo real. El 33% de las compañías del sector dispone de herramientas básicas para facilitar el gobierno del dato (diccionarios, calidad, trazabilidad), con otros modelos más avanzados como MDM pendientes de implantar.

En un sector centrado en el conocimiento y servicio al cliente, la cultura del dato aún no está lo suficientemente extendida, ya que sólo un 17% de empresas se identifica con una cultura del dato y ésta tiende a estar más o menos arraigada según cada área. Todas las aseguradoras acusan la falta del talento necesario para abordar los procesos de transformación; sin embargo, solo el 24% dispone de planes de formación o reciclaje del talento focalizados en dato.Sólo el 33% empresas facilita a sus empleados el autoservicio de datos; esta dificultad de acceso al dato tampoco se suple mediante mecanismos de divulgación: sólo un 42% cuenta con procedimientos establecidos para compartir conocimiento.

Estrategia


Cultura & Talento

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Seguros


399 399

• Todo el sector afirma ser consciente de la trascendencia del dato, y se desarrollan iniciativas estratégicas al respecto. Sin embargo, apenas el 25% de las organizaciones entrevistadas tiene claras la visión y estrategia a seguir para evolucionar hacia una Organización Orientada al Dato, y el 33% está terminando de definir la estrategia

• En un sector donde el cliente no se disputa en los detalles de una póliza, se vigilan los movimientos de la competencia (sobretodo temas de pricing, etc.), así como los de nuevos players digitales (insurtechs, agregadores de datos, etc.) y las novedades en sectores de referencia, principalmente Banca

• Desoyendo las posibilidades de mejorar la eficiencia de toda su operativa, el 75% de las aseguradoras orientan sus procesos de transformación exclusivamente a ganar simplicidad y eficiencia en el back end. Más del 40% de las aseguradoras recurre al apoyo de startups y especialistas de nicho en el tratamiento del dato

• La toma de decisiones estratégicas por parte de la primera línea directiva se realizan más basadas en la intuición y experiencia del directivo que basadas en el dato y la analítica en el 83% de las organizaciones

Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Habilitadores Digitales / Estrategia

Ascendant 2019









Habilitadores Digitales, Estrategia Seguros


Seguros



La actitud wait and see, pendiente de los movimientos de los competidores o de las novedades en otro sectores, está muy extendida en el sector.



401

• A diferencia de otros sectores analizados, no existe un convencimiento general sobre la necesidad de transformación hacia el dato, una convicción que se manifiesta sobre todo en las empresas pequeñas del sector. Mientras que en las medianas y grandes aseguradoras, existe un pleno convencimiento de la transformación hacia Organizaciones Orientadas al Dato

• Aunque la calidad del dato es clave para la generación de valor, la mayoría de empresas reconoce contar con un gobierno del dato fragmentado en silos, si bien existen planes para

crear gobiernos centralizados, con un único dueño, complementados con bases de datos únicas de cliente (data lakes). Del 25% de empresas que afirma tener un gobierno claro, se estima que un 83% lo habrá reforzado en el medio plazo

• Sólo el 8% de las empresas cuenta con políticas de gobierno de su inteligencia, de sofisticación moderada y concentradas en ciertas áreas

Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Habilitadores Digitales / Organización

Ascendant 2019 401









Gobierno del dato

Gobierno del dato



Habilitadores Digitales, Organización Seguros


Seguros



Solo una de cada cuatro empresas que han participado en el estudio tiene claramente desarrollado a día de hoy su modelo de gobierno del dato.

403

• En un sector eminentemente centrado en el conocimiento y servicio al cliente, la cultura del dato aún no está lo suficientemente extendida, ya que sólo un 17% de empresas se identifica con una cultura del dato y ésta tiende a estar más o menos arraigada según cada área. Sin embargo, existen planes de evangelización para fomentar el uso del dato en la mayoría de las compañías

• Todas las aseguradoras acusan la falta del talento necesario para abordar los procesos de

transformación; sin embargo, solo el 24% dispone de planes de formación focalizados en dato o planes de reciclaje del talento

• Sólo una de cada tres empresas facilita a sus empleados el autoservicio de datos; esta dificultad de acceso al dato tampoco se suple mediante mecanismos de divulgación: sólo un 42% cuenta con procedimientos establecidos para compartir conocimiento

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Habilitadores Digitales / Cultura y Talento

Cultura& Talento

Ascendant 2019


Mentalidad

Mentalidad

Capacidades

Capacidades







403

Seguros

Habilitadores DigitalesHabilitadores Digitales, Cultura y Talento Seguros


La escasez de talento digital en el sector es un claro reto a superar para acometer con éxito los procesos de transformación.

405

Infraestructura




405

• Dos tercios de las aseguradoras dispone de infraestructuras on premise, aunque muchas tienen previsto migrar a entornos en la nube, sobre todo privados. El 25% ya dispone de su infraestructura en cloud y otro 8% se encuentra en proceso de migrar la infraestructura

• La ingesta de datos se produce mayoritariamente en Batch, con sólo un 8% de empresas disponiendo de capacidades de ingesta en tiempo real. Además, casi un 60% de las empresas todavía utiliza bases de datos relacionales

• El procesamiento suele abordarse de forma tradicional: la información se explota a través de herramientas como Microstrategy, Qlickview o Power BI en dos tercios de las compañías, siendo minoritario el uso de lenguajes como R o Phyton

• Una de cada tres compañías del sector dispone de herramientas básicas para facilitar el gobierno del dato (diccionarios, calidad, trazabilidad), con otros modelos más avanzados como MDM pendientes de implantar. Están poco extendidos los ecosistemas de desarrollo en modo DevOps o con ciclos de integración cortos de forma automatizada: sólo un 8% de empresas cuenta con sistemas de entrega continua

Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Habilitadores Digitales / Tecnología

Ascendant 2019

Seguros

Habilitadores DigitalesHabilitadores Digitales, Tecnología Seguros


Infraestructura





A pesar de la tendencia hacia los servicios construidos sobre el conocimiento del cliente, actualmente sólo una de cada tres aseguradoras

procesa los datos en tiempo real.

407

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Inteligencia

Ascendant 2019

Seguros

InteligenciaCapacidades de gestión del dato: Inteligencia Seguros















Potenciar las capacidades de escucha y análisis multiplicaría el valor extraído del dato. Casi tres cuartos de las empresas capta sólo datos estructurados, y un 27% capta desde dato estructurado hasta vídeo. Dos tercios de las aseguradoras reconocen almacenar datos que no sabe cómo utilizar o explotar, e incluso el tercio restante elimina datos.

EscuchaRespecto a las decisiones operativas, solo en un cuarto de las organizaciones estas se toman en base a datos y analítica. En el resto, continúa imperando el criterio del profesional a la hora de decidir. Respecto a la toma de decisiones operativas, en el 75% de las organizaciones sigue predominando el criterio del profesional frente a la disponibilidad de datos objetivos y contextualizados. En el 25% restante, de las organizaciones estas decisiones se toman en base a datos y analítica.

Actúa

El 66% de las aseguradoras reconoce almacenar datos que no sabe cómo utilizar o explotar, e incluso el 34% restante, elimina datos. En general, el sector adolece de escasez de herramientas que permitan explotar la información aportada por los datos (por ejemplo, modelos de matchine learning), con la excepción de algunas compañías de mayor tamaño.

Analiza

Aún no se está explotando el potencial de la gran cantidad de datos que genera el negocio, principalmente en suscripción y prestaciones.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

409









Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Dimensiones

Ascendant 2019

La digitalización de los comportamientos y hábitos del consumidor propulsa una nueva oferta de servicios y seguros digitales, con gran margen para incorporar productos y servicios más allá del porfolio tradicional. Sin embargo, todas las compañías continúan detectando nuevas oportunidades de negocio mediante la monitorización y análisis manual, sin emplear analítica.Al encontrar el escollo añadido de la alta dependencia de los mediadores, sólo un 42% de las aseguradoras asegura estar virando su propuesta de valor hacia la personalización, mientras que el resto mantiene una visión de producto masivo o genérico.

Mejorar el conocimiento del cliente y los puntos de dolor del costumer journey a partir de los datos disponibles es el objetivo común de todo el sector. Sin embargo, sólo el 25% de las empresas es capaz de mejorar la experiencia del cliente en base al dato, todavía con un extenso recorrido en la capacidad de adaptación de productos y servicios.El sector avanza en el conocimiento del cliente digital, más accesible que el cliente físico, que suele estar en manos del canal mediado. Por esto, sólo el 17% de empresas afirma tener un grado aceptable de conocimiento de sus clientes. Para conocer el mercado, más del 80% de las empresas recopila informes para analizar el posicionamiento de la competencia, pricing y cuotas de mercado.

Innovación

Cliente

Dentro de un ecosistema cada vez más conectado, las aseguradoras trabajan en mejorar el entorno de seguridad en el que se desenvuelven los intercambios de información entre sistemas internos y externos. Sin embargo, a pesar de la delicadeza de los datos gestionados, sólo el 82% garantiza la seguridad del acceso a sus datos y la anonimización de los mismos.El sector cumple escrupulosamente con la adaptación de sus modelos analíticos a la legislación española e internacional, así como a la GPDR. En todas las compañías se llevan a cabo auditorías periódicas para asegurar el cumplimiento normativo, si bien un 33% de las compañías afirma no disponer de una política (protocolos, etc.) que asegure el cumplimiento normativo en la gestión del dato.

Protección

Las aseguradoras tienen un amplio recorrido de mejora en la unificación de procesos digitales y físicos, que asegure la integridad y conciliación entre aplicaciones origen y sistemas de gestión. A pesar de la importancia de la integración con sus mediadores, sólo el 25% cuenta con un nivel aceptable de integración a nivel de información con los stakeholders de su cadena de valor.A pesar de ser empresas intensivas en procesos del back office, menos del 10% aplica capacidades predictivas, como elaboración de cuentas de resultados predictivas, actualización de los forecast o reporting automático de los requisitos de solvencia y de las provisiones. Las funciones de RRHH y sistemas no son optimizadas con modelos analíticos.

Operaciones

Seguros

Dimensiones

409

Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Seguros









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

En un entorno intermediado tendente a estrategias client centric, las aseguradoras necesitan realizar mayores esfuerzos en la incorporación y

consolidación de la analíticacomo generadora de nuevas propuestas de valor.


411

• La digitalización de los comportamientos y hábitos del consumidor propulsa una nueva oferta de servicios y seguros digitales, con gran margen para incorporar productos y servicios más allá del porfolio tradicional. Sin embargo, todas las compañías continúan detectando nuevas oportunidades de negocio mediante la monitorización y análisis manual, sin emplear modelos analíticos

• Al encontrar el escollo añadido de la alta dependencia de los intermediarios, sólo un 42%

de las aseguradoras asegura estar virando su propuesta de valor hacia la personalización, mientras que el resto mantiene una visión de producto

• Menos del 10% de las organizaciones comienza a explorar las opciones de colaboración con un ecosistema de players digitales (especialistas en el dato, empresas de nicho, startups expertas en el dato u otros organismos) con el fin de compartir y monetizar la información

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Dimensiones / Innovación

Ascendant 2019

Seguros

Dimensiones










411

Dimensiones, Innovación Seguros


Innovación

En un entorno intermediado tendente a estrategias client centric, se precisan mayores esfuerzos en la incorporación y consolidación de la analítica como

generadora de nuevas propuestas de valor.

413

• Mejorar el conocimiento del cliente y los puntos de fricción del costumer journey a partir de los datos disponibles es el objetivo común de todo el sector. Sin embargo, sólo el 25% de las empresas es capaz de mejorar la experiencia del cliente en base al dato, todavía con un extenso recorrido en la capacidad de adaptación de productos y servicios

• Las aseguradoras avanzan en el conocimiento del cliente digital, más accesible que el cliente físico, que suele estar en manos del canal mediado y no comparte información. Por esto, sólo el 17% de empresas afirma tener un grado aceptable de conocimiento de sus clientes

• Para conocer su posición en el mercado, más del 80% de las empresas recopila informes para analizar el posicionamiento de la competencia, pricing y cuotas de mercado. Sin embargo, sólo un 18% aplica modelos analíticos

• La escucha a través de redes sociales no es una prioridad y se realiza manualmente, así como la medición del NPS

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Dimensiones / Cliente

Cliente

Ascendant 2019

Seguros

Dimensiones


413

Dimensiones, Cliente Seguros



Marca

Marca






Las aseguradoras avanzan lentamente hacia un modelo de relación digital con el cliente, aspirando a la omnicanalidad y la personalización.

415

• Las aseguradoras tienen un amplio recorrido de mejora en la unificación de procesos digitales y físicos, que asegure la integridad y conciliación entre aplicaciones origen y sistemas de gestión. A pesar de la importancia de la integración con sus mediadores, sólo el 25% cuenta con un nivel aceptable de integración a nivel de información con los stakeholders de su cadena de valor

• Las tecnologías de Big Data e Inteligencia Artificial comienzan a introducirse en la explotación de información y analítica orientada al seguimiento de las operaciones, especialmente en las ventas y gestión de siniestros. Sin embargo, sólo el 10% optimiza sus procesos en base a la analítica

• A pesar de ser empresas intensivas en procesos del back office, menos del 10% aplica capacidades predictivas, como elaboración de cuentas de resultados predictivas, actualización de los forecast o reporting automático de los requisitos de solvencia y de las provisiones. Las funciones de RRHH y sistemas no son optimizadas con modelos analíticos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Dimensiones / Operaciones

Operaciones

Ascendant 2019

Seguros

Dimensiones


415

Dimensiones, Operaciones Seguros


















El sector aspira a consolidar soluciones de análisis de riesgos en tiempo real, ámbito en el que está trabajando con mucho recorrido por delante.

417

• Dentro de un ecosistema cada vez más conectado, las aseguradoras trabajan en mejorar el entorno de seguridad en el que se desenvuelven los intercambios de información entre sistemas internos y externos. Sin embargo, de la delicadeza de los datos gestionados, sólo el 82% garantiza la seguridad del acceso a sus datos y la anonimización de los mismos

• El sector cumple escrupulosamente con la adaptación de sus modelos analíticos a la legislación española e internacional, así como a la GPDR.

En todas las compañías se llevan a cabo auditorías periódicas para asegurar el cumplimiento normativo, si bien es llamativo que un tercio de las compañías afirma no disponer de una política (protocolos, guías de usuario) que asegure el cumplimiento normativo en la gestión del dato

• Sólo una de cada cuatro aseguradoras emplea técnicas predictivas para detectar posibles amenazas de fraude o riesgo de morosidad

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Dimensiones / Protección

Ascendant 2019

Seguros

Dimensiones


417

Dimensiones, Protección Seguros

Fraude

Privacidad

Privacidad

Riesgos

Riesgos







Fraude


El sector aspira a consolidar soluciones de análisis de riesgos en tiempo real, ámbito en el que está trabajando con mucho recorrido por delante.

Protección

419

¿Cuáles son las prioridades de las empresas del sector Seguros?


Las compañías aseguradoras declaran haber implementado con éxito los siguientes casos de uso:

Modelos analíticos avanzados para detección yprevención de fraude.

Algoritmia aplicada a tareas de back office paraoptimización de toma de decisiones y minimización de errores en el proceso (ej.: reembolsos, gestión de prestaciones, gestión de ingresos y gastos,…).

Analítica predictiva aplicada a comportamiento decliente para maximizar ventas y retención en base a la predicción de bajas y de altas,…

Análisis de KPIs de procesos con cliente para optimizar su experiencia (tiempos, eficiencia, simplicidad,…).


Implementación de primeras herramientas de gobierno del dato.

Los casos de uso implementados con el éxito esperado más comunes son los relacionados con detección y prevención del fraude, muy valorados por las aseguradoras dada la exposición al fraude en su sector. También son muy comunes las aplicaciones de la algoritmia a la gestión back office que soporta la tramitación de prestaciones y reembolsos, con gran impacto en la eficiencia y la calidad de las decisiones.Se han puesto en práctica casos de uso relacionados con el conocimiento del cliente con el objetivo de optimizar las ventas y la experiencia de cliente en la realización de trámites.


Las aseguradoras afirman estar invirtiendo especialmente en los siguientes casos de uso:


Analítica predictiva aplicada a comportamiento decliente para maximizar ventas y retención, direccionando de forma inteligente los esfuerzos comerciales.

Implementación de herramientas de analítica comercial para extraer el máximo partido al conocimiento del cliente.

Técnicas analíticas para la captación de nuevos clientes.

Optimización operativa con inteligencia artificial con foco en la experiencia de cliente y en el ahorro de costes de coberturas por parte de la aseguradora.

La mayoría de los casos de uso en que están invirtiendolas aseguradoras se centran en el conocimiento del cliente y la implementación de herramientas necesarias con el objetivo de maximizar ventas, optimizar acciones comerciales y evitar las bajas. De forma incipiente, invierten en aplicar la analítica a la captación de nuevos clientes.

Las aseguradoras también continúan invirtiendo en sus modelos analíticos de pricing y en la aplicación de inteligencia artificial para la optimización de la concesión de prestaciones.


Entre las aseguradoras, están despertando interés los siguientes casos de uso:

Modelos analíticos avanzados para detección yprevención de fraude.

Visión 360 del cliente con análisis client centricaplicados a la contratación, renovación y gestión de prestaciones.

Incorporación de nuevas variables a los modelosanalíticos de pricing para la optimización de tarifas.

Inteligencia aplicada a la gestión de funcionestransversales, para optimizar los procesos back office. Hay especial inquietud en la gestión de personal.

Valoración de siniestros en base a inteligencia artificial para optimización del proceso.

Sorprendentemente, algunas aseguradoras todavía tienen pendiente implementar modelos de fraude: lo consideran uno de sus casos de uso prioritarios.

Las aseguradoras continúan haciendo énfasis en el conocimiento del cliente y en la optimización de sus tarifas: esperan seguir invirtiendo en enriquecer su visión del cliente y analizarla para optimizar las ventas, retención y prestaciones, al tiempo que esperan continuar perfeccionando sus modelos de pricing.

También tienen intención de explorar las posibilidades de los modelos analíticos en funciones back office con objetivos de optimización de éstas, con especial foco en la gestión de personal.


Las aseguradoras invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Modelos analíticos de toma de decisiones de suscripción.

Modelos predictivos de insatisfacción de clientes.

Analítica predictiva aplicada a detección de fraude.

Implementación de tecnología para democratización del dato.

Pruebas de nuevas tecnologías para optimización de operaciones variadas, en su mayoría relacionadas con gestión de prestaciones (valoración de siniestros, visibilidad de trámites, gestión documental,…).

Se observa cierta homogeneidad en los casos de uso del dato fallidos. De nuevo, los intentos en la implementación de modelos de mantenimiento predictivo han sido variados y ha habido fracasos hastadar con el modelo acertado. Entre los motivos más destacados, varias empresas coinciden en la falta degestión del cambio y de un gobierno del dato previo.

Adicionalmente, el enriquecimiento de información confuentes externas ha fallado debido al marcado foco enoperaciones internas que muestra este sector.

419 Ascendant 2019

1

2

3

4

5

1

22

3

34

4 5

5

11

2

3

4

5

6

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Seguros / Casos de uso

421

Telco

421 Ascendant 2019

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco

423 423

Telco

Nuevas industrias

Experienciaspersonalizadas

Nuevas tecnologías del dato

Ascendant 2019


Madurez del sector

Pese al crecimiento constante en el número de líneas móviles y de banda ancha durante la última década, el sector de las telecomunicaciones en España continúa acusando un descenso continuo en el ingreso medio por cliente (ARPU), que entre 2008 y 2018 se ha reducido progresivamente a casi un tercio.

Alta competitividad

El auge de los proveedores de contenidos, la proliferación de segundas marcas low cost con tarifas agresivas y las fuertes inversiones a las que el sector debe hacer frente (5G, espectro, despliegue de infraestructuras, etc.) completan un escenario enormemente competitivo, que empuja a las operadoras a explorar nuevos modelos de negocio.

Los datos como palanca

Los datos se convierten en el activo más valioso de las operadoras, que comienzan a monetizar internamente la información disponible de los clientes, y en algunos casos, los comercializan con terceros, una vez resueltas las problemáticas legales.

La réplica de las Operadoras

Las Operadoras desarrollan unidades de negocio periféricas dedicadas expresamente a la analítica del dato, explotando el potencial de la información para facilitar a sus clientes la gestión de sus servicios y la relación con las operadoras.

Ante un escenario de madurez del sector y agotamiento de las fuentes de ingresos tradicionales, las operadoras deben saber aprovechar su oportunidad

de liderar ecosistemas multi-industriales para extraer el valor de los datos más allá de su negocio tradicional.

El aprovechamiento de sinergias entre industrias y tecnologías será uno de los principales motores para el desarrollo de nuevas propuestas de negocio. Por ejemplo, en el ámbito de IoT, la información sobre localización, tipo de dispositivo o conectividad a la que tienen acceso las operadoras puede trasladarse a industrias verticales como el hogar inteligente o el automóvil conectado. Tecnologías como blockchain permitiría a los usuarios participar en la monetización y negociar el valor de sus datos personales.

El conocimiento exhaustivo del cliente permitirá ofrecerle experiencias hiperpersonalizadas a partir de sus preferencias e intereses, por ejemplo, contenidos acordes a sus gustos e historial de consumo. Combinado con el desarrollo de algoritmos predictivos permitiría, por ejemplo, anticiparse a una posible baja y retener al cliente con una oferta personalizada.

El desarrollo del 5G multiplicará el volumen de datos recopilados, lo que igualmente puede facilitar la colaboración entre sectores (tanto públicos como privados) y propiciar el desarrollo de nuevos servicios verticales.

En un sector innovador por naturaleza, las Operadoras desarrollan unidades específicas para explotar el conocimiento de sus clientes: personalización de oferta, adaptación de la experiencia de cliente, relaciones de valor, etc.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco

425 425

Telco


5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Habilitadores Digitales

Ascendant 2019

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la orientación al dato Telco


Las operadoras exploran servicios radicalmente distintos a sus competencias tradicionales, construyendo nuevas propuestas de valor sobre la base

de la información disponible de sus clientes.

La madurez del negocio tradicional de telecomunicaciones, unida al potencial de las vastas bases de datos que manejan las operadoras, ha empujado a estas a trabajar su estrategia en torno al dato y la analítica: todas afirman ser plenamente conscientes de cómo impacta el dato en su sector y las oportunidades que desean capturar. Esta visión se concreta en programas con iniciativas específicas en el 80% de las empresas, todos ellos con un nivel de detalle (calendario, acciones, KPIs, hitos) alto.Las operadoras basan sus decisiones estratégicas en datos, si bien sólo un 20% aplica modelos analíticos en la toma de decisiones.

Todas las operadoras coinciden en que existe un total alineamiento y compromiso con la evolución hacia una DDO por parte de la primera línea de dirección, fruto de la clara visión estratégica que comparten. A pesar de manejar grandes volúmenes de información, es sorprendente que todas las operadoras se encuentren todavía perfeccionando su gobierno del dato, el 40% de ellas todavía están en un estado incipiente o sin empezar y dotando de figuras para evolucionar su modelo. El gobierno de la inteligencia ha avanzado más lentamente: el 60% de las empresas de telecomunicaciones todavía no dispone de mecanismos formales para asegurar la actualización y la calidad de su algoritmia.

Todas las compañías analizadas tienden hacia infraestructuras cloud híbridas (públicas y privadas), si bien todavía un 40% se encuentra en estados incipientes de esta evolución, con infraestructura on premise. Mientras un 60% de las empresas gestiona sus procesos de ingesta de datos en batch y un 40% tiene pendiente aplicar el tiempo real y el autoaprendizaje a su procesamiento, estos procesos, desde la monitorización de redes hasta las recomendaciones de contenidos, tienden al tiempo real. Sólo el 20% de las operadoras dispone de alguna herramienta para facilitar el gobierno del dato (diccionario, MMD, calidad, etc.), aunque todas planean implantar herramientas más complejas de gobierno.

La escasez de talento para trabajar con el dato, habitual en otros sectores, no parece suponer un impedimento grave en el caso de telecomunicaciones, ya que todas las compañías analizadas aseguran contar con profesionales especializados. No obstante, todas disponen de planes de formación o reciclaje para sus empleados.La completa democratización interna del dato es un objetivo pendiente. Motivos relacionados con el control y la seguridad de la información impiden el autoservicio libre de datos por parte de los empleados. Por esto, el 40% de las empresas trabaja con sistemas de permisos para dosificar el acceso a los datos, aspirando a la apertura en el futuro.

Estrategia


Cultura & Talento


427 427 Ascendant 2019









Habilitadores Digitales, Estrategia Telco


Telco



• La madurez del negocio tradicional de telecomunicaciones, unida al potencial de las vastas bases de datos que manejan las operadoras, ha empujado a estas a trabajar su estrategia en torno al dato y la analítica: todas afirman ser plenamente conscientes de cómo impacta el dato en su sector y las oportunidades que desean capturar. Esta visión se concreta en programas con iniciativas específicas en el 80% de las empresas, todos ellos con un nivel de detalle (calendario, acciones, KPIs, hitos) alto

• Sin embargo, el 40% de las operadoras sigue limitándose a un uso del dato y la analítica centrado en la optimización de sus operaciones: es el momento de apostar fuerte por el dato y aspirar a nuevos negocios disruptivos, fuera del sector de operaciones natural, algo que sólo un 20% está llevando a cabo

• Las operadoras basan sus decisiones estratégicas en datos, si bien sólo un 20% aplica modelos analíticos en la toma de decisiones

Estrategia

Las operadoras exploran servicios radicalmente distintos a sus competencias tradicionales, construyendo nuevas propuestas de valor sobre la base de la

información disponible de sus clientes.



5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Habilitadores Digitales / Estrategia

429 Ascendant 2019 429









Gobierno del dato

Gobierno del dato



Habilitadores Digitales, Organización Telco


Telco



• Todas las operadoras coinciden en que existe un total alineamiento y compromiso con la evolución hacia una DDO por parte de la primera línea de dirección, fruto de la clara visión estratégica que comparten. Como resultado, todas afirman contar con roles que asumen decididamente el liderazgo de esta evolución, aunque solo dos tercios de las operadoras cuentan con CDOs que impulsan esta transformación, descansando esta función en el CIO en el resto

• En líneas generales, las operadoras están satisfechas con el nivel de recursos disponibles para los proyectos relacionados con el dato y la analítica: un 20% asegura que el dato es una de las prioridades dentro de los presupuestos; otro 60% afirma que los recursos son razonables y crecientes; y, finalmente, un 20% cuenta con recursos limitados, que desea incrementar

• A pesar de manejar grandes volúmenes de información, es sorprendente que todas las operadoras se encuentren todavía perfeccionando su gobierno del dato, el 20% de ellas todavía en un estado incipiente y dotando de figuras para evolucionar su modelo. Otro 20% reconoce no tener implantados todavía procesos globales para asegurar la calidad del dato, a pesar de tener planes para evolucionarlo hacia un modelo robusto en un plazo de 3 a 5 años

• Por consiguiente, el gobierno de la inteligencia ha avanzado más lentamente: el 60% de las operadoras todavía no dispone de mecanismos formales para asegurar la actualización y la calidad de su algoritmia, aspirando a un modelo de autoaprendizaje

Organización

Organizativamente, las Operadoras cuentan con una estructura que ayuda a su evolución hacia una Data Driven Organization; sin embargo,

el gobierno del dato y de la analítica necesita potenciarse.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Habilitadores Digitales / Organización

431 Ascendant 2019


Mentalidad

Mentalidad

Capacidades

Capacidades







431

Telco

Habilitadores DigitalesHabilitadores Digitales, Cultura y Talento Telco


• La escasez de talento para trabajar con el dato, habitual en otros sectores, no parece suponer un impedimento grave en el caso de las operadoras, ya que todas las compañías analizadas aseguran contar con profesionales especializados para abordar los proyectos asociados a la explotación del dato. No obstante, todas disponen de planes de formación o reciclaje para sus empleados, dado que todavía un 20% de empresas reconoce que la cultura del dato no está homogéneamente asimilada en la compañía

• La completa democratización interna del dato es un objetivo pendiente. Motivos relacionados

con el control y la seguridad de la información impiden el autoservicio libre de datos por parte de los empleados. Por esto, casi la mitad de las empresas (40%) trabaja con sistemas de permisos para dosificar el acceso a los datos, aspirando a la apertura en el futuro

• Si bien más de tres cuartos de las empresas aplican nuevas metodologías de trabajo al dato y la analítica, casi la mitad carece de mecanismos de divulgación formales que agilicen la colaboración en torno al dato y fomenten las sinergias

Cultura& Talento

La cultura del dato está relativamente arraigada en el sector. Todas las Operadoras cuentan con planes de evangelización y difusión interna para concienciar a los diferentes departamentos de la importancia de trabajar

con datos, a menudo tomando como referencia casos de éxito internos.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Habilitadores Digitales / Cultura y Talento

433

Infraestructura




433

Tecnología

Ascendant 2019

Telco

Habilitadores DigitalesHabilitadores Digitales, Tecnología Telco


Infraestructura





Existe una clara tendencia a migrar al cloud y a los procesos en tiempo real, con pasos incipientes en este campo y cierta preparación de las herramientas

de almacenamiento y gobierno.

• Todas las compañías analizadas tienden hacia infraestructuras cloud híbridas (públicas y privadas), si bien todavía un 40% se encuentra en estados incipientes de esta evolución, con predominancia de la infraestructura on premise. Mientras un 60% de las empresas gestiona sus procesos de ingesta de datos en batch y un 40% tiene pendiente aplicar el tiempo real y el autoaprendizaje a su procesamiento, estos procesos, desde la monitorización de redes hasta las recomendaciones de contenidos, tienden al tiempo real

• La mayoría de la información almacenada sigue siendo estructurada, con poca penetración de bases de datos no relacionales. Su explotación se realiza mediante herramientas tradicionales de Business Intelligence (BI), aunque algunas operadoras están optando por herramientas open source

• Sólo el 20% de las Operadoras dispone de alguna herramienta para facilitar el gobierno del dato (diccionario, Master Data Management, calidad, etc.), aunque todas planean implantar herramientas más complejas de gobierno

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Habilitadores Digitales / Estrategia

435 Ascendant 2019

La capitalización del dato vía explotación por terceros (publicidad, servicios financieros, Retail, transporte, movilidad, etc.), muy atractiva dada la gran variedad de datos (estructurados y no estructurados) que todas las telcos afirman ser capaces de captar, está llevando a las operadoras a introducir novedades importantes, como la creación de compañías periféricas para este fin.

EscuchaEl 60% de las empresas que han participado, admiten que sus decisiones operativas, en su mayoría, son tomadas en base al dato y la analítica de la que disponen.

Actúa

Pese a contar con dicha capacidad de captura, menos de un cuarto de las Operadoras enriquece su información interna con datos del exterior. Las capacidades de análisis muestran un desarrollo limitado, de manera que todas las operadoras desaprovechan para explotación propia parte de la información que captan: todas acumulan datos ociosos, si bien el 60% de las compañías cuenta con algún plan para abordar su tratamiento. Casi dos tercios afirman poder explotar sólo datos estructurados y algunos tipos de datos no estructurados, sobre todo texto. Por último, casi la mitad reconoce carecer de mecanismos de autoaprendizaje para la mejora continua de las capacidades analíticas.

Analiza

Telco

InteligenciaCapacidades de gestión del dato: Inteligencia Telco















Las capacidades de captación de datos propios son sólidas, si bien aspiran a reforzar la captación de fuentes externas y las capacidades de análisis

para evitar datos ociosos.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Inteligencia

437









Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Dimensiones

Ascendant 2019

Telco

Dimensiones

437

Innovación

Cliente

Protección

Operaciones

Avances en la orientación al dato de la organización Telco









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Cumplimiento, ética y seguridad

Operaciones

La consolidación de tecnologías todavía en proceso de generalización (5G, IoT, blockchain, etc.), generará un verdadero aluvión de nuevos datos e información, que las organizaciones podrán explotar por sí mismas o compartir con terceros. Por ahora, las operadoras investigan tendencias de su entorno para detectar oportunidades de negocio, con predominio del análisis humano. Un 40% reconoce realizar esta labor de forma tradicional, sin aplicar apenas inteligencia en la captación y tratamiento de datos. Un observatorio del dato impulsaría esta capacidad monitorizadora de oportunidades al facilitar insights sobre últimas tecnologías y modos de explotación del dato.

A pesar de la comoditización de sus productos, que impulsa la migración de un mercado consolidado de servicios a un mercado incipiente de venta de experiencias diferenciadoras, casi la mitad de las operadoras tiene un conocimiento difuso del rendimiento de sus productos y la experiencia del cliente. Apenas un 20% es capaz de rediseñar y enriquecer la experiencia según se generan datos del consumo de los servicios. En cuanto a la monitorización del mercado y la competencia, el 80% de las empresas realiza una monitorización continua de forma automatizada, sin llegar a la aplicación de la inteligencia más sofisticada.

Innovación

ClienteTodas las Operadoras disponen de políticas que garantizan el cumplimiento de la normativa nacional e internacional, y llevan a cabo auditorías periódicas para asegurar su cumplimiento. De igual forma, han implantado procesos de scoring y auditoría de las pasarelas de pago, así como alertas ante posibles fraudes, aunque de manera preventiva y no predictiva. Todas aseguran la anonimidad de la información de sus clientes y cuentan con sofisticados mecanismos de protección de los datos contra accesos indeseados; sin embargo, un 60% desaprovecha el potencial del dato para proteger la estabilidad de su negocio, al no contar con modelos analíticos avanzados que detecten potenciales amenazas.

Protección

Las funciones de soporte a la operación, a pesar de ofrecer oportunidades de optimización, no parecen una prioridad para las empresas de telecomunicaciones: con la salvedad del área financiera, en la que apenas un 20% de empresas afirma aplicar modelos predictivos, todas las funciones de soporte se realizan de manera tradicional, con herramientas departamentales de gestión. En los sistemas TI, donde la introducción de la analítica presenta notables oportunidades de mejora, todas las empresas cuentan con herramientas de reporting de incidencias básico, sin aplicar funciones predictivas.

Operaciones

En un contexto de comoditización, las Operadoras necesitan reforzar su conocimiento del cliente y su experiencia para asegurar

la diferenciación y la vinculación con la marca.


439

• La consolidación de tecnologías todavía en proceso de generalización (5G, IoT, blockchain, etc.), generará un verdadero aluvión de nuevos datos e información, que las organizaciones podrán explotar por sí mismas o compartir con terceros. Por ahora, las operadoras investigan tendencias de su entorno para detectar oportunidades de negocio, con predominio del análisis humano. Un 40% reconoce realizar esta labor de forma tradicional, sin aplicar apenas inteligencia en la captación y tratamiento de datos. Un observatorio del dato impulsaría esta capacidad monitorizadora de oportunidades al facilitar insights sobre últimas tecnologías y modos de explotación del dato; sin embargo, menos de un cuarto de las operadoras dispone de equipos que desarrollen esa función

• Las compañías de telecomunicaciones tienen muy presente el análisis de las necesidades de sus clientes para adaptar su propuesta de valor, una práctica que ya es una realidad en casi la mitad de las empresas, al introducir el dato y la analítica en el core de su oferta de productos y servicios

• El 60% de las telcos busca la monetización de los datos compartiendo la información con empresas de otros sectores, como finanzas o Retail

Innovación

Ascendant 2019

Telco

Dimensiones










439

Dimensiones, Innovación Telco


La tecnología IoT es, por el momento, el área donde las telcos rastrean preferentemente oportunidades para la innovación.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Dimensiones / Innovación

441

Cliente

Ascendant 2019

Telco

Dimensiones


441

Dimensiones, Cliente Telco



Marca

Marca






En un contexto de comoditización, las Operadoras necesitan reforzar su conocimiento del cliente y su experiencia para asegurar

la diferenciación y la vinculación con la marca.

• A pesar de la comoditización de sus productos, que impulsa la migración de un mercado consolidado de servicios a un mercado incipiente de venta de experiencias diferenciadoras, casi la mitad de las operadoras tiene un conocimiento difuso del rendimiento de sus productos y la experiencia del cliente. Apenas un 20% es capaz de rediseñar y enriquecer la experiencia según se generan datos del consumo de los servicios

• Por otro lado, el grado de conocimiento del cliente para su perfilado está en plena evolución: un 40% de empresas afirma estar valorando las primeras alianzas con terceros para enriquecer su visión del

cliente, mientras el 60% restante ya recaba datos externos de aliados (entidades públicas asociadas, aplicaciones de startups, etc.)

• En cuanto a la monitorización del mercado y la competencia, el 80% de las empresas realiza una monitorización continua de forma automatizada, sin llegar a la aplicación de la inteligencia más sofisticada, mientras que la gestión reputacional, tan importante en un contexto en que la vinculación emocional del cliente con la marca es crucial, se realiza de forma tradicional en más de la mitad de empresas

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Dimensiones / Cliente

443

Operaciones

Ascendant 2019

Telco

Dimensiones


443

Dimensiones, Operaciones Telco


















Las operadoras, intensivas en activos físicos, tienden a priorizar la optimización inteligente de los procesos core frente

a las funciones back office de soporte.

• La automatización de operaciones alcanza diferentes grados en función del área corporativa. Solo un cuarto de las empresas analizadas declara mejorar sus mapas de procesos gracias al uso del dato, y todas afirman compartir información directamente con los proveedores de sus cadenas de suministro, incluso con acceso a los sistemas de almacenamiento

• Las funciones de soporte a la operación, a pesar de ofrecer oportunidades de optimización, no parecen una prioridad para las empresas de

telecomunicaciones: con la salvedad del área financiera, en la que apenas un 20% de empresas afirma aplicar modelos predictivos, todas las funciones de soporte se realizan de manera tradicional, con herramientas departamentales de gestión. En los sistemas TI, donde la introducción de la analítica presenta notables oportunidades de mejora, todas las empresas cuentan con herramientas de reporting de incidencias básico, sin aplicar funciones predictivas

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Dimensiones / Operaciones

445

Protección

Ascendant 2019

Telco

Dimensiones


445

Dimensiones, Protección Telco

Fraude

Privacidad

Privacidad

Riesgos

Riesgos







Fraude


• Todas las Operadoras disponen de políticas que garantizan el cumplimiento de la normativa nacional e internacional, y llevan a cabo auditorías periódicas para asegurar su cumplimiento. De igual forma, han implantado procesos de scoring, revisión y auditoría de las pasarelas de pago, así como sistemas de alerta ante posibles fraudes, aunque de manera preventiva y no predictiva

• Todas aseguran la anonimidad de la información de sus clientes y cuentan con sofisticados mecanismos de protección de los datos contra accesos indeseados; sin embargo, un 60% desaprovecha el potencial del dato para proteger la estabilidad de su negocio, al no contar con modelos analíticos avanzados que detecten potenciales amenazas

Las distintas técnicas de agregación, seudo-anonimización y anonimización de la información sensible son necesarias para no menoscabar la confianza

que los clientes tienen depositada en la operadora.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Dimensiones / Protección

447


Las telco declaran haber implementado con éxito los siguientes casos de uso:

Modelos predictivos para minimizar el churn.

Gestión de promociones para clientes actuales.

Personalización: de oferta (paquetes de servicios), de publicidad, de recomendaciones.

Uso de inteligencia para captación de nuevos clientes.

Dashboards internos económicos y operacionales para gestión del negocio.

En definitiva, la principal prioridad de las empresas del sector han sido el conocimiento del cliente para trabajar la relación con él y su experiencia, con buenos resultados. Sus objetivos principales, más que la ampliación de su oferta a negocios no convencionales, fueron la retención y el incremento de ventas en el negocio tradicional.

En menor medida, también ha sido objeto de proyectos exitosos la implementación de tecnología que facilite la visualización de datos de valor con objetivo de optimizar la gestión interna.


Las telco afirman estar invirtiendo especialmente en los siguientes casos de uso:

Evolución de la infraestructura actual a la nube, con objetivos de lograr flexibilidad y escala suficiente en la gestión de datos.

Modelos de microsegmentación en base a medición de la satisfacción de los clientes para impulsar relaciones de valor.

Mantenimiento predictivo de infraestructuras de telecomunicaciones para prevención de averías.

Algoritmia predictiva para incremento de ventas: captación de nuevos clientes relacionados con los actuales, nuevos servicios adyacentes en función de modelos de propensión de compra para ampliar las líneas de negocio,…

Mientras las telco siguen trabajando en la retención de clientes e incremento de ventas, poco a poco empiezan a explorar nuevos negocios para lograr este segundo objetivo prioritario. Ninguna destaca la creación de ecosistemas del dato que impulsen la entrada en nuevos negocios como proyecto al que están destinando sus esfuerzos.

Además, continúan concediendo importancia a la excelencia operativa, por lo que están invirtiendo en preparar su infraestructura tecnológica para adecuarse a la realidad del dato y su explotación y continúan evolucionando hacia modelos predictivos para mantener sus activos físicos.


Entre las telco, están despertando interés los siguientes casos de uso:

Evolución hacia plataformas analíticas que eliminen el legacy para maximizar la agilidad de sus sistemas tecnológicos frente al cambio.

Impulso de plataformas interactivas con el cliente para recabar información explotable sobre éste, basadas en IA.

Big Data y explotación en tiempo real para asegurar una toma de decisiones sustentada en hechos y cifras, y rápida.

Una parte de las empresas participantes (40% de empresas entrevistadas) todavía necesita orientación en cuanto a qué oportunidades podría serles de interés atrapar. Mientras tanto, el resto se inclinan claramente hacia la preparación de sus sistemas para asegurar la gestión del dato y respuesta rápida a cambios en el entorno actual, y hacia continuar conociendo a su cliente.


Las telco invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Modelo de trazabilidad y análisis de la atención al cliente para asegurar la calidad.

Big data aplicado a optimización de operaciones.

Gestión de experiencia del cliente y de su insatisfacción para maximizar la retención.

Modelos analíticos de gestión de cadena de suministro.

A pesar de no haber funcionado los primeros planteamientos de prevención del churn y de aplicación de Big Data a operaciones, las telco han continuado trabajando en ellos posteriormente, evolucionando el modelo inicial.

Muchas telco atribuyen estos fracasos a la falta de un gobierno del dato previo, lo que ha mermado la efectividad de los modelos. Por esto, este debe ser el primer punto a solucionar.

¿Cuáles son las prioridades de las empresas del sector Telco?

447 Ascendant 2019

5

1

2

3

4

1

2

3

4

1

2

3

1

2

3

4

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Telco / Casos de uso

449

Turismo

449

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo

Ascendant 2019

451 451

La agenda digital del sector se centra en mejorar el conocimiento y personalizar la experiencia del cliente durante todas las fases del journey (búsqueda de información, reserva, estancia y post estancia).

Es necesario avanzar en la eficiencia de los procesos de explotación del dato, en un sector que tradicionalmente acumula un gran volumen de dato ocioso y en el que la toma de decisiones proviene a menudo de la estacionalidad, la experiencia personal y la intuición.

El sector aspira a la fidelización mediante el desarrollo de estrategias omnicanal, que personalizan y homogeneizan la experiencia de cliente con independencia del canal elegido para relacionarse con la marca.

Gana importancia la diversidad de perfiles profesionales que conforman los equipos de innovación, así como la incipiente propuesta de nuevos modelos de negocio a través de la digitalización de experiencias.

Agenda Digital

Explotación del dato

Estrategias Omnicanales

Digitalización de experiencias

Relevancia del Dato

Con un cliente permanentemente conectado, que deja un amplio reguero de información en cada momento de su relación con la marca, aprender del comportamiento del cliente, compartir ese conocimiento con toda la organización y lograr monetizarlo mediante la explotación y la fidelización suponen los grandes retos del sector Turismo.

Nuevas Tecnologías

Hoy en día, mediante el empleo de nuevos modelos de CRM y PMS centralizados que garantizan la trazabilidad del cliente/huésped y se integran en los nuevos modelos de distribución, combinados con bases de datos compatibles con cualquier solución de software y la visión del cliente único para toda la organización, es posible acceder a un nuevo paradigma de conocimiento.

Las necesidades de los clientes quedan así satisfechas atendiendo a tres criterios: conveniencia (interacciones sencillas, rápidas y ubicuas), sensibilidad (actitud proactiva y respuesta inmediata ante cualquier incidencia) y relevancia (oferta de productos y servicios útil y personalizada, en base a las preferencias y demandas individuales).

Necesidades del cliente

Por su parte, los turoperadores, en contacto directo con el cliente, centran sus esfuerzos en adaptar sus decisiones y oferta a las necesidades de este, con el fin de mejorar la experiencia y ser percibidos como un valor añadido más allá del punto de venta.

El mayor desafío del sector consiste en pasar de un modelo basado en el producto a un modelo basado en la personalización de las experiencias,

aprovechando las oportunidades que ofrece el dato y la analítica.

Turismo

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo

Ascendant 2019

Pasar de un modelo tradicional a un modelo en el que se aspira a optimizar el journey completo del cliente es el principal desafío


453 453

Es necesario extender la aportación de la analítica más allá de las fases iniciales de la relación con el cliente para aspirar a operar

como verdaderas Organizaciones Orientadas al Dato.

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Habilitadores Digitales

Ascendant 2019

El 76% de los grandes grupos es consciente del cambio de paradigma en el sector, catalizado por la entrada de players nativos digitales y nuevas formas de relacionarse con el cliente, directas y en tiempo real. Pese a ello, en la mayoría de las empresas, la primera línea directiva sigue tomando decisiones estratégicas de manera tradicional, aunque soportadas por cuadros de mando analíticos aún muy básicos. Para acometer el proceso de transformación, el 53% de las empresas se apoya en compañías de nicho o expertas en el dato. La mitad de las empresas entrevistadas aspira a disponer a corto plazo de una estrategia vinculada al dato, con objetivos, iniciativas, hitos, recursos y plazos bien definidos.

El problema de la división en silos se está superando en el 30% de las empresas, tendiendo hacia gobiernos centralizados con un único dueño del dato que administre su gestión e interpretación. Para ello, en el 61% de las empresas existe o se va a incorporar a corto plazo una figura específica responsable de pilotar el proceso de cambio. El sector tiende hacia modelos de gestión robustos, con control de trazabilidad y acompañados de bases de datos de clientes unificadas.Respecto al gobierno de la analítica (algoritmos y modelos), el 53% de las empresas cuenta con modelos predictivos y monitorización de los algoritmos.

El 53% de las compañías turísticas cuenta con infraestructura en cloud, combinando tiempo real en la operativa de venta de habitaciones y Batch en la operativa de los hoteles. Pocas empresas almacenan datos desestructurados, y la mayoría emplea procesos ETLs tradicionales.El procesamiento suele abordarse de forma tradicional: la información se explota a través de herramientas como Microstrategy, Qlickview o Power BI, siendo minoritario el uso de lenguajes como R o Phyton. Está poco extendidos los ecosistemas de desarrollo en modo DevOps o con ciclos de integración cortos de forma automatizada.

En un sector eminentemente centrado en la atención al cliente, la cultura del dato está más extendida en las áreas corporativas que en los propios puntos de contacto con el cliente (agencias, hoteles, etc.). Existe amplia concienciación de la importancia de la cultura del dato, aunque aún son pocas las empresas que cuentan con un dato único sin contradicciones ni elaboración manual. Respecto a la divulgación, en el 61% de las empresas se facilita a toda la organización el acceso a informes. El sector aspira unánimemente al autoservicio de datos para los niveles altos de decisión.

Estrategia


Cultura & Talento

Estrategia

Estrategia

Organización

Organización

Tecnología

Tecnología

Cultura & Talento

Cultura & Talento



Mentalidad

Mentalidad

NFT Metodologías

NFT Metodologías

NFT Divulgación

NFT Divulgación

Infraestructura

Infraestructura

Capacidades

Capacidades



Ingesta

Ingesta

Almacenamiento

Almacenamiento

Procesamiento

Procesamiento

Explotación

Explotación

Data Governance

Data Governance

SW management

SW management









Gobierno del Dato

Gobierno del Dato










Preparación de la organización para la Transformación Digital Turismo


Turismo


455 455





Habilitadores Digitales, Estrategia Turismo







• El 76% de los grandes grupos hoteleros españoles es consciente del cambio de paradigma en el sector, catalizado por la entrada de players nativos digitales y nuevas formas de relacionarse con el cliente, directas y en tiempo real. Pese a ello, en la mayoría de las empresas -muchas de ellas compuestas por accionariado familiar- la primera línea directiva sigue tomando decisiones estratégicas de manera tradicional, aunque soportadas por cuadros de mando analíticos aun muy básicos

• Para acometer el proceso de transformación, el 53% de las empresas se apoya en compañías de nicho o expertas en el dato. La mitad de las empresas entrevistadas aspira a disponer a corto plazo de una estrategia vinculada al dato, con objetivos, iniciativas, hitos, recursos y plazos bien definidos, y para ello casi el 40% ha identificado claros líderes en innovación y experimentación

Estrategia

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Habilitadores Digitales / Estrategia

Ascendant 2019

Turismo


Es necesario extender la aportación de la analítica más allá de las fases iniciales de la relación con el cliente para aspirar a operar como verdaderas

Organizaciones Orientadas al Dato.



457 457




Gobierno del dato


Habilitadores Digitales, Organización Turismo





Gobierno del dato



• El problema de la división en silos se está superando en el 30% de las empresas, tendiendo hacia gobiernos centralizados con un único dueño del dato que administre su gestión e interpretación. Para ello, en el 61% de las empresas existe o se va a incorporar a corto plazo una figura específica responsable de pilotar el proceso de cambio. El sector tiende hacia modelos de gestión robustos, con control de trazabilidad y acompañados de bases de datos de clientes unificadas

• Respecto al gobierno de la analítica (algoritmos y modelos), el 53% de las empresas cuenta con modelos predictivos y monitorización de los algoritmos. El 24% ha generado KPIs específicos para medir aspectos relacionados con la calidad del dato, aunque en general hay poca penetración de algoritmos con autoaprendizaje. Por último, más de dos tercios de las empresas declara contar con recursos económicos suficientes para financiar estas iniciativas

Organización

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Habilitadores Digitales / Organización

Ascendant 2019

Turismo


A pesar de reconocer la importancia de las estrategias centradas en el dato, más del 30% de las empresas no dedica los suficientes recursos económicos

a los proyectos en marcha.

459


Mentalidad




459

Mentalidad





• En un sector eminentemente centrado en la atención al cliente, la cultura del dato está más extendida en las áreas corporativas que en los propios puntos de contacto con el cliente (agencias, hoteles, etc.). Existe amplia concienciación de la importancia de la cultura del dato, aunque aun son pocas las empresas que cuentan con un dato único sin contradicciones ni elaboración manual. El 30% de las empresas dispone de planes de formación relacionados con el dato o planes de reciclaje del talento

• Respecto a la divulgación, en el 61% de las empresas se facilita a toda la organización el acceso a informes. El sector aspira unánimemente al autoservicio de datos para los niveles altos de decisión

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Habilitadores Digitales / Cultura & Talento

Cultura& Talento

Ascendant 2019

Turismo


La falta de talento para abordar los planes de transformación afecta a más del 60% de las empresas turísticas.

Habilitadores Digitales, Cultura y Talento Turismo

461 461

Habilitadores Digitales, Tecnología Turismo


Infraestructura




Infraestructura





• El 53% de las compañías turísticas cuenta con infraestructura en cloud, combinando tiempo real en la operativa de venta de habitaciones y Batch en la operativa de los hoteles. Pocas empresas almacenan datos desestructurados, y la mayoría emplea procesos ETLs tradicionales

• El procesamiento suele abordarse de forma tradicional: la información se explota a través de herramientas como Microstrategy, Qlickview o Power BI, siendo minoritario el uso de lenguajes como R o Phyton

• Aún son pocas las empresas dispone de herramientas específicas para facilitar el gobierno del dato (diccionarios, MDMs o calidad). También están poco extendidos los ecosistemas de desarrollo en modo DevOps o con ciclos de integración cortos de forma automatizada

Tecnología

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Habilitadores Digitales / Tecnología

Ascendant 2019

Turismo


Está pendiente una migración de las infraestructuras propietarias a la nube, requisito necesario para explotar la flexibilidad e interoperabilidad

de los datos.

463

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Inteligencia

Ascendant 2019

Para alcanzar el objetivo de operar como verdaderas Organizaciones Orientadas al Dato, es necesario que la aportación de valor de la analítica se extienda más allá de las fases iniciales de la relación con el cliente/huésped, donde por ejemplo, se aplica Inteligencia Artificial para personalizar la web en función del perfil del cliente o recomendar en base al histórico de preferencias.

EscuchaRespecto a las decisiones operativas, en casi la mitad de las organizaciones éstas se toman en base a datos, KPIs, informes y cuadros de mando. Únicamente el 31% de las empresas las decisiones en las áreas de compras, logística o experiencia se toman a partir de los datos, mientras que en el resto de departamentos las decisiones siguen dependiendo del criterio del profesional.

Actúa

El 92% de las empresas reconoce almacenar datos que no sabe cómo utilizar o explotar, aunque el 30% dispone de planes a futuro para su aprovechamiento.

Analiza

Turismo

InteligenciaCapacidades de gestión del dato: Inteligencia Turismo















El nivel de madurez en las capacidades de inteligencia revela que el concepto de Organización Orientada al Dato está lejos de poder ser considerado como

extendido en el sector, y en muchos casos, incluso comprendido.

Escucha

Actúa

Analiza

Escucha

Actúa

Analiza

465









Marca







Fraude

Riesgos


Privacidad




5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Dimensiones

Ascendant 2019

La innovación se presenta como el gran caballo de batalla del sector. Por el momento, el 15% de las compañías dispone de un observatorio automatizado de nuevas tendencias en el ámbito del dato, que emplea la IA para detectar nuevas oportunidades de negocio en el sector propio o en ajenos. Respecto a la propuesta de valor basada en datos, el 53% de las empresas está virando hacia la personalización de los servicios. Sólo el 15% de las organizaciones se apoya en un ecosistema de players digitales (especialistas en dato, empresas de nicho, startups expertas en dato, etc.) para compartir y monetizar la información.

Todas las empresas marcan como objetivo mejorar los puntos de fricción con el cliente a partir de la aportación del dato, un objetivo que ya se cumple para el 53%. Los dispositivos móviles ganan cada vez más protagonismo en la relación con un cliente híper conectado. La visión única del cliente es el gran desafío, especialmente para los hoteles con sistemas descentralizados, que deben garantizar la calidad del dato (evitando duplicidades, etc.); para este fin, más de la mitad de las empresas cuenta con la ayuda de fuentes de datos externas para mejorar el conocimiento del cliente.

Innovación

Cliente

Dada la importancia vital del dato en la era digital, el sector trabaja unánimemente en la articulación de mecanismos de protección de la información confidencial del cliente. El cumplimiento de la normativa GDPR es estricto, incluyendo auditorías para asegurar su ejecución. El 72% de las empresas adapta sus modelos analíticos a la legislación española y europea, tanto si la información se trata dentro como fuera de España. Más del 90% de las compañías lleva a cabo procesos preventivos de scoring, revisión y auditorias de las pasarelas de pago para evitar el fraude, aunque está pendiente mayor atención hacia los modelos preventivos de fraude.

Protección

La digitalización de operaciones es ya un hecho entre las grandes cadenas del sector, que tienden a la centralización de procesos a través de herramientas de ERPs o PMS, principalmente en las áreas económicas y financieras, donde se generalizan los análisis preventivos y la automatización de las operaciones. A nivel predictivo, una de cada cuatro empresas dispone de herramientas predictivas para la elaboración de cuentas de resultados o actualización de forecasts. En el caso de sistemas, el 92% de las empresas dispone de una herramienta de reporting de incidencias, empleadas para el análisis pero no para la predicción.

Operaciones

Turismo

Dimensiones

465

Innovación

Cliente

Protección

Operaciones

Preparación de la organización para la Transformación Digital Turismo









Marca







Fraude

Riesgos


Privacidad




Innovación

Cliente

Protección

Operaciones

La mitad de las empresas aspira a evolucionar su propuesta de valor hacia la personalización de la experiencia, pese a que el dato aún

no se percibe como un elemento core del negocio.

467





467

Dimensiones, Innovación Turismo





• La innovación se presenta como el gran caballo de batalla del sector. Apenas el 15% de las compañías dispone de un observatorio automatizado de nuevas tendencias en el ámbito del dato, desaprovechando el potencial de la IA para detectar nuevas oportunidades de negocio en el sector propio o en ajenos

• Respecto a la propuesta de valor basada en datos, el 53% de las empresas está virando hacia la personalización, mientras que el restante 47% mantiene una visión de producto

• La colaboración no es en absoluto una práctica corriente en el sector: solo el 15% de las organizaciones se apoya en un ecosistema de players digitales (especialistas en el dato, empresas de nicho, startups expertas en el dato u otros organismos) con el fin de compartir y monetizar la información

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Dimensiones / Innovación

Innovación

Ascendant 2019

Turismo

Dimensiones

La mitad de las empresas aspira a evolucionar su propuesta de valor hacia la personalización de la experiencia, pese a que el dato aún no se percibe como

un elemento core del negocio.

469


469

Dimensiones, Cliente Turismo



Marca

Marca






• Todas las empresas marcan como objetivo mejorar los puntos de fricción con el cliente a partir de la aportación del dato, un objetivo que solo ha logrado alcanzar el 53%. Los nuevos sistemas PMS centralizados permiten la trazabilidad del cliente durante todo el customer journey, lo que facilita la personalización de ofertas y la visión 360º

• Los dispositivos móviles ganan cada vez más protagonismo en la relación con un cliente híper conectado. La visión única del cliente es el gran desafío, especialmente para los hoteles con sistemas descentralizados, que deben garantizar la calidad del dato (evitando duplicidades, etc.); para este fin, más de la mitad de las empresas cuenta con la ayuda de fuentes de datos externas para mejorar el conocimiento del cliente

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Dimensiones / Cliente

Cliente

Ascendant 2019

Turismo

Dimensiones

El punto más crítico a la hora crear una visión única del cliente consiste en unir la información procedente de los canales tradicionales con las identidades

de los canales digitales.

471


471

Dimensiones, Operaciones Turismo
















• La digitalización de operaciones comienza a ser común entre las grandes cadenas del sector, que tienden a la centralización de procesos a través de herramientas de ERPs o PMS, principalmente en las áreas económicas y financieras, donde se generalizan los análisis preventivos y la automatización de las operaciones

• Solo una de cada cuatro empresas dispone de herramientas predictivas para la elaboración de cuentas de resultados o actualización de forecasts.

En el caso de sistemas, el 92% de las empresas dispone de una herramienta de reporting de incidencias, empleadas para el análisis pero no para la predicción

• Respecto a la integración con proveedores, la mitad de las empresas se conecta directamente con los proveedores y comparte información de forma automática con ellos. En el caso de los distribuidores, el porcentaje alcanza el 41%

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Dimensiones / Operaciones

Operaciones

Ascendant 2019

Turismo

Dimensiones

Las organizaciones turísticas comienzan a robotizar sus procesos, desde operaciones de hotel repetitivas hasta reservas, cancelaciones y no shows.

473


473

Dimensiones, Protección Turismo

Privacidad



Fraude

Fraude

Privacidad




• Dada la importancia vital del dato en la era digital, el sector trabaja unánimemente en la articulación de mecanismos de protección de la información confidencial del cliente. El cumplimiento de la normativa GDPR es estricto, incluyendo auditorías para asegurar su ejecución. El 72% de las empresas adapta sus modelos analíticos a la legislación española y europea, tanto si la información se trata dentro como fuera de España

• Más del 90% de las compañías lleva a cabo procesos preventivos de scoring, revisión y auditorias de las pasarelas de pago para evitar el fraude, aunque está pendiente mayor atención hacia los modelos

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Dimensiones / Protección

Protección

Ascendant 2019

Turismo

Dimensiones

El sector está muy comprometido con la integridad de la información que maneja: se cumple estrictamente con las normativas GDPR y PCI, se trabaja

en la prevención del fraude y en la protección ante eventuales ciberataques.

475


Las empresas de turismo declaran haber implementado con éxito los siguientes casos de uso:

Analítica aplicada al comportamiento de compra del cliente para estimular la demanda.

Analítica web para adaptar la experiencia del cliente de reserva online y personalizar de tarifas con objetivos de maximizar la conversión; algunos alcanzan la personalización de la experiencia en tiempo real.

Analítica de datos de rendimiento publicitario para optimizar las inversiones en marketing.

Escucha activa en redes sociales con capacidades. avanzadas de PLN para optimizar la gestión reputacional.

Ampliación del offering hacia nuevas fuentes de ingresos justificadas en modelos analíticos.

El hecho de que un 15% de las empresas entrevistadas declaren no tener casos exitosos revela la necesidad de orientación de las empresas turísticas en la aplicación del dato a sus negocios y de imprimir velocidad a la experimentación con el dato y la analíticaAl ser un sector intensivo en foco en cliente y venta de experiencias, los casos de uso del dato y la analítica que se han implementado con éxito reconocido por las empresas turísticas son los centrados en el conocimiento del cliente con el objetivo de incrementar ventas.


Las empresas de turismo afirman estar invirtiendo especialmente en los siguientes casos de uso:

Modelos analíticos de previsión de demanda y afluencia en instalaciones para dimensionar las capacidades necesarias para el servicio óptimo al viajero.

Análisis del comportamiento de compra del viajero y patrones de consumo durante el hospedaje para maximizar las ventas, detectando momentos del viaje en que el cliente puede echar cosas en falta y ofrecérselas proactivamente.

Análisis predictivo de rentabilidad de los clientes para optimizar las acciones comerciales.

Modelos analíticos para optimizaicón de funciones soporte, con especial énfasis en la optimizaicón de sistemas TI.

Implementación de tecnología del dato para sistematizar su gestión y explotación, maximizando el valor extraído de la información.

Mientras las empresas del sector continúan invirtiendo en perfeccionar su analítica del dato aplicada al comportamiento de los viajeros para maximizar sus ventas, son comunes entre casi la mitad de las empresas los esfuerzos en optimización inteligente de las capacidades de atención a los clientes en establecimientos físicos mediante modelos predictivosEn menor medida, las empresas invierten en optimizar con analítica sus funciones back office, especialmente el rendimiento de sus sistemas, y transformar su tecnología del dato.


Entre las hoteleras y operadoras turísticas, están despertando interés los siguientes casos de uso:

Aprendizaje automático aplicado a la experiencia del cliente para su personalización en todas las fases del viaje: en la reserva, organizando las recomendaciones en base a un modelo de priorización exhaustivo en variables; en la contratación, personalizando el contrato; en la llegada al hospedaje, personalizando la experiencia de llegada.

Optimización inteligente de cadena de suministro con capacidades predictivas del comportamiento de los hoteles.

Algoritmo para automatización de toma de decisiones de publicidad web.

Check in sin pasar por el front office.

Enriquecimiento de los algoritmos de demanda y ocupación con fuentes de datos externas.

De nuevo, los modelos orientados a la explotación del conocimiento del cliente y la optimización operativa ocupan la atención de las empresas turísticas a futuro. Aparte de estos casos, las empresas turísticas quieren probar otros como la optimización de acciones publicitarias en base a algoritmia y el check in sin necesidad de identificación en front office, algo que tienen en mente todas las hoteleras y que encuentra retos regulatorios que superar.


Las empresas de turismo invirtieron sin éxito en los siguientes casos de uso, que fueron abandonados:

Intentos relacionados con PLN: bots, traductor automático de servicio al cliente, procesador de texto,…

Análisis del perfil de cliente para facilitar información útil de destino.

Sensorización de instalaciones para identificar necesidades de reparación.

Intento de democratización del dato .

Implementación de BI.

Varias empresas turísticas han tratado de aplicar PLN en varios idiomas para ofrecer una experiencia de cliente diferencial, que han fracasado por requerir una alta inversión con un retorno dudoso. Asimismo, en el mismo ámbito de experiencia del cliente han fracasado ciertas aplicaciones del dato al conocimiento del cliente para facilitarle información de interésLos casos que impactan a la organización de forma transversal, como los cambios en las formas de trabajar el dato o la implementación de tecnologías, han fracasado por falta de gobierno del dato previo o dificultades en su escalabilidad derivada de una gestión tecnológica insuficiente.

¿Cuáles son las prioridades de las empresas del sector Turismo?

475 Ascendant 2019

5

1

2

3

4

5

1

2

3

4

1

2

35

5

1

2

3

4

4

5. Estudio de Madurez del Dato y la Analítica / Resultados Sectoriales / Turismo / Casos de uso

477

6

Metodologíadel informe

477 Ascendant 2019

479 479

Durante junio y julio de 2019, Minsait organizó una serie de encuentros entre profesionales de reconocida trayectoria en el ámbito de la analítica y el gobierno del dato.

Cada coloquio fue moderado por un profesional de Minsait especializado en cada una de las temáticas abordadas, y contó con la participación de entre cuatro y seis invitados, procedentes de diferentes sectores.

Los tres coloquios celebrados giraron en torno a las siguientes temáticas:

Coloquio 1La importancia del gobierno del dato como fuente de valor

Reflexión acerca del carácter estratégico de las políticas de gobierno como garantes del valor del dato: calidad del dato, validez de los algoritmos, políticas de cumplimiento y seguridad, etc.

Coloquio 2La Inteligencia Artificial como centro de la innovación

Deliberación sobre la manera en que la IA permite innovar en torno al dato, y cuál es el impacto de esa innovación: aparición de nuevos players en mercados tradicionales, iniciativas de coopetition, productos y servicios basados en conocimiento compartido, etc.

Coloquio 3El reto en la adopción de tecnologías Big Data en las organizaciones

De qué manera cada empresa interpreta el concepto Big Data, y qué tipo de políticas y soluciones tecnológicas aplican para gestionarlo.

Este estudio se compone de dos partes complementarias: una valorativa, proporcionada por reconocidos expertos,

y otra empírica, llevada a cabo por Minsait.

Análisis de las empresas españolas

4. Metodología del informe

Encuentros con expertos

Entrevistas presencialesEl trabajo de campo, llevado a cabo entre finales de febrero y julio de 2019, ha servido para conocer de primera mano la posición presente y la esperada – en un plazo de 3 a 5 años- de las grandes corporaciones españolas en el proceso de digitalización de sus negocios.

• Se han conducido entrevistas en profundidad con 108 empresas, clientes actuales o potenciales de Minsait, representantes de los sectores de Sector Público, Banca, Consumo, Energía, Empresas de financiación al Consumo, Infraestructuras & Construcción, Farmacéutica, Industria, Media, Retail, Seguros, Telco y Turismo

• La facturación conjunta de estas empresas equivale a un 18,2% del PIB español, 13 de ellas cotizan en el IBEX 35

• Se ha entrevistado a miembros de la alta dirección –CDOs, CIOs, Responsables de Estrategia y Desarrollo de Negocio, CTOs, Directores de Innovación- impulsores e involucrados en los programas de transformación hacia la organización orientada al dato de las compañías, que han aportado una visión holística de todas las iniciativas puestas en marcha en la organización

• Las entrevistas presenciales, a uno o varios miembros de cada organización, tuvieron una duración de entre 1 y 2 horas, siguiendo un guion estructurado, y conducidas por un equipo de catorce investigadores

• El nivel de madurez declarado por parte de cada organización es subjetivo, ajustado posteriormente por el juicio experto de Minsait, garante de la homogeneidad en la asignación de valoraciones

• El grado de madurez de la organización en cada uno de los apartados se mide según una escala de cuatro niveles: Bajo: la organización se encuentra en un estadio de transformación incipiente Medio: la organización presenta un enfoque tradicional, aunque tiene en perspectiva procesos de cambio Alto: La organización muestra un alto nivel de avance en la transformación State of the art: la organización ha alcanzado el estado máximo de progreso

• El grado de madurez agregado por ámbitos y sub-ámbitos se ha calculado como promedio simple: Todas las variables o elementos de la transformación se consideran igual de importantes, y por eso se les otorga el mismo peso

Ascendant 2019

481

1. Habilitadores Digitales Referido a todos los elementos –no necesariamente tecnológicos- que constituyen la base sobre la que erigir el proceso de transformación, determinando el nivel de preparación de cada compañía para afrontar ese reto pueden sintetizarse en:

Estrategia

Organización

Cultura & Talento

Tecnología

2. Inteligencia

Se evalúan en detalle los principales procesos de captura de información, análisis de la misma y toma de decisiones en base a la información.

Escucha

Analiza

Actúa

3. Áreas de aplicaciónAbarca en detalle los principales ámbitos de transformación dentro de la organización, determinando el alcance de los avances logrados en este viaje se resumen en:

Innovación

Cliente

Operaciones

Protección

Para evaluar el nivel de transformación hacia la organización orientada al dato de las empresas, se ha diseñado un cuestionario de 50 preguntas, estructurado en tres partes:

Para llevar a cabo la comparativa, se ha utilizado un único cuestionario en todas las entrevistas, modulando aquellas preguntas no procedentes en función del sector

(por ejemplo, la pregunta relacionada con la utilización del dato en la industrias para el caso de empresas del sector financiero).

Nivel de transformación

Ascendant 2019 481

Habilitadores digitales

Estrategia


22 preguntas


Concreción del Programa DDO


Organización


Claridad de Roles y liderazgo de la DDO


Medición de impactos coherente con la transformación en DDO

Gobierno del Dato


Culturay Talento

Mentalidad

Capacidades

Nuevas formas de trabajo - Democratización

Nuevas formas de trabajo - Metodologías

Nuevas formas de trabajo - Divulgación

Tecnología

Infraestructura

Ingesta

Almacenameinto

Procesamiento

Explotación

Data Governance

SW management

Inteligencia Inteligencia

Percepción del Entorno

6 preguntas

Clase de Información





Dimensiones

Innovación


22 preguntas




Cliente




Marca

Operaciones

Soporte a la operación - Gestión económica








Protección

Fraude

Riesgos


Privacidad



Cuestionario de 50 preguntas

483

Banca ConsumoEntidades de financiación Energía Farma Industria

Infraestructura & Construcción Media Retail Sector Público Seguros Telco Turismo

Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición Actual Ambición

Habilitadores digitales

Estrategia

Visión de futuro y concreción de la estrategia del dato 3,50 3,88 2,19 3,19 2,60 3,20 2,80 3,30 2,50 3,00 2,75 3,50 1,50 2,25 3,00 3,75 2,67 3,33 2,56 3,78 2,75 3,33 3,60 3,80 2,85 3,69

Profundidad en el enfoque de modelos de negocio basados en el dato 2,88 3,38 1,88 2,38 2,40 3,00 2,00 2,10 2,00 2,25 2,00 2,75 1,75 1,75 2,25 2,50 1,67 2,00 1,89 2,33 2,00 2,50 2,80 3,40 2,08 2,62

Concreción del Programa Organizaciones Orientadas al Dato 3,38 3,63 1,94 2,81 2,80 3,40 2,50 3,20 1,75 2,50 3,25 3,75 1,25 2,00 3,25 3,75 2,50 3,00 2,11 3,22 2,17 3,17 3,60 4,00 2,46 3,08

Nivel de coherencia entre estrategia del dato y estrategia de la compañía 2,38 3,25 1,75 2,81 1,60 2,80 2,00 2,70 1,75 3,00 1,50 2,50 2,00 2,75 2,25 3,50 2,17 2,83 1,67 2,33 1,92 2,75 3,20 4,00 1,69 3,08

Organización

Alineamiento y compromiso de la primera línea 3,75 3,75 2,81 3,63 3,00 3,20 3,00 3,40 2,75 3,25 3,25 3,50 2,00 2,75 2,75 4,00 2,83 3,33 2,67 3,33 3,17 3,83 4,00 4,00 3,00 3,77

Claridad de Roles y liderazgo de la Organización Orientada al dato 3,50 4,00 2,25 3,19 2,60 3,20 2,10 2,80 2,25 2,75 3,00 3,25 1,50 2,50 2,25 2,25 2,67 3,00 2,11 3,00 2,50 3,50 3,20 3,60 2,62 3,69

Dotación coherente de recursos para la explotación de datos 2,88 3,88 1,94 3,06 2,00 3,20 2,40 3,20 3,00 3,50 2,25 3,50 1,75 2,50 2,25 3,00 2,50 3,00 2,22 3,22 2,08 3,00 3,00 3,60 2,38 3,46

Medición de impactos coherente con la transformación en OOD 2,00 2,88 1,56 2,38 2,40 2,80 1,80 2,20 1,00 1,25 1,75 3,00 1,00 1,50 1,50 1,75 2,67 3,00 1,78 2,33 1,83 2,83 3,20 3,60 1,69 2,77

Gobierno del Dato 2,88 3,88 1,75 3,19 1,80 2,80 1,44 2,89 1,75 2,75 2,00 3,75 1,50 2,75 2,00 3,00 1,67 2,67 1,67 2,78 1,83 3,17 2,40 3,60 1,38 3,00

Gobierno de Inteligencia 2,13 3,25 1,79 2,71 2,40 3,00 1,89 3,00 2,00 2,00 2,00 3,25 1,67 2,33 2,00 3,67 1,33 2,83 1,56 2,22 1,50 2,75 2,40 3,40 1,46 2,46

Culturay Talento

Mentalidad 2,50 3,63 2,13 3,06 2,20 3,00 2,20 3,40 2,00 2,75 2,00 3,50 1,50 2,50 2,50 3,25 1,67 2,50 1,89 3,00 1,92 3,17 2,80 4,00 1,69 3,00

Capacidades 2,38 3,50 1,63 2,75 1,80 2,80 1,80 3,10 1,50 2,25 2,00 3,50 1,25 1,75 1,25 2,50 1,67 2,83 1,44 2,56 1,83 3,08 3,00 4,00 1,62 3,08

Nuevas formas de trabajo - Democratización 2,50 3,38 1,75 2,56 1,60 2,60 1,60 3,10 1,50 2,00 1,50 2,50 1,50 2,00 2,00 2,75 1,17 2,17 2,00 3,11 2,42 3,08 2,80 3,20 1,54 2,92

Nuevas formas de trabajo - Metodologías 2,50 3,38 1,75 2,75 1,80 2,80 1,90 3,20 1,75 2,75 2,25 3,25 1,25 2,00 2,75 3,25 2,00 2,83 1,89 3,00 1,75 2,50 3,00 3,00 2,00 2,92

Nuevas formas de trabajo - Divulgación 2,38 3,25 1,81 2,44 1,60 2,40 2,20 2,70 1,75 2,00 2,00 2,75 1,00 1,50 1,75 2,75 1,83 2,33 1,56 2,44 2,08 2,58 2,20 3,20 1,69 2,77

Tecnología

Infraestructura 2,13 3,13 1,67 2,67 2,20 2,40 2,50 3,70 2,75 3,00 2,25 3,25 2,00 3,00 3,50 4,00 2,50 3,33 1,33 2,67 1,83 2,75 2,60 3,80 2,54 3,38

Ingesta 2,25 3,25 1,50 2,31 1,80 2,20 2,40 3,00 2,00 2,50 1,75 2,00 1,50 1,75 2,75 3,25 1,83 2,17 1,78 2,22 1,83 2,42 2,40 3,20 2,08 2,69

Almacenameinto 2,75 3,38 1,31 2,19 1,80 2,00 2,50 3,00 1,25 1,75 2,25 2,50 1,25 2,50 2,50 3,25 1,67 2,33 1,78 2,56 1,50 1,92 2,60 3,20 2,00 2,38

Procesamiento 2,63 3,25 1,63 2,50 1,60 2,00 2,10 2,50 1,00 1,50 2,25 2,25 1,00 1,50 2,75 3,50 1,67 2,00 1,67 2,33 1,42 2,33 2,60 3,40 1,46 2,00

Explotación 2,63 3,25 1,50 2,31 2,20 2,40 2,10 2,60 1,75 2,00 2,50 2,75 1,25 2,25 2,75 3,00 1,33 2,50 1,78 2,56 1,67 2,50 2,40 3,00 1,85 2,85

Data Governance 2,63 3,38 1,31 2,13 2,00 3,00 1,40 2,40 1,00 1,75 1,25 2,50 1,00 2,00 1,75 2,25 1,00 1,50 1,22 1,56 1,33 2,33 1,60 2,40 1,85 2,46

SW management 2,29 3,00 1,20 1,73 2,00 2,50 2,20 3,40 1,00 1,50 2,00 2,50 1,50 2,50 1,75 3,50 1,67 2,33 1,78 3,00 1,42 2,25 1,60 2,80 2,08 2,77

Inteligencia Inteligencia

Percepción del Entorno 2,13 2,38 1,60 2,20 1,40 2,00 1,56 2,00 2,00 2,25 1,50 2,25 1,00 1,00 1,75 1,75 1,33 2,17 1,44 1,67 1,36 2,09 1,60 2,20 1,38 2,54

Clase de Información 3,00 3,38 1,81 2,44 2,60 3,00 2,80 3,20 1,75 1,75 2,25 2,50 1,00 2,25 3,50 3,50 1,33 2,17 2,56 3,11 2,08 2,33 3,20 3,60 2,23 2,85

Aprendizaje y adaptación 1,88 2,75 1,53 2,00 1,60 2,60 1,33 1,44 1,75 1,75 1,50 2,00 1,00 1,75 1,50 2,50 1,17 1,83 1,33 2,11 1,42 2,00 2,40 3,00 1,46 2,54

Explotación de los datos y datos ociosos 1,75 2,50 1,31 2,06 1,40 2,60 1,90 2,80 2,00 2,75 1,25 2,25 1,00 1,50 2,00 3,00 1,67 2,50 1,56 1,89 1,67 2,33 2,20 3,20 1,31 2,46

Impacto de conclusiones analíticas 2,63 3,75 2,00 2,69 2,40 3,20 2,50 2,80 1,75 2,50 2,25 3,00 1,50 2,50 2,25 3,00 1,83 2,67 2,11 2,56 2,00 2,75 2,80 3,00 2,00 2,92

Ética e interpretación 3,63 3,63 3,43 3,86 3,50 3,75 3,50 3,75 4,00 4,00 2,67 3,00 2,00 3,00 3,00 4,00 3,33 3,33 1,50 2,75 2,90 3,00 2,25 3,50 3,00 3,43

Dimensiones

Innovación

Descubrimiento de nuevas oportunidades 2,00 2,57 1,38 2,00 1,80 2,20 1,44 1,89 1,50 2,25 1,75 1,75 1,00 1,00 1,50 1,75 1,33 1,67 1,17 1,83 1,25 1,58 1,80 2,00 1,31 1,69

Dato y Analítica como core del negocio 3,14 3,71 1,88 2,69 2,60 3,00 2,30 3,00 1,75 3,00 2,00 3,25 1,50 3,00 2,25 3,75 1,33 2,33 1,78 2,56 2,25 3,00 3,00 3,60 1,85 3,23

Observatorio del dato 2,29 3,14 1,63 1,88 2,00 2,20 1,20 1,50 1,25 1,50 1,25 1,25 1,00 1,00 1,50 2,25 1,00 1,17 1,22 1,33 1,50 1,92 1,60 1,80 1,15 1,38

Ecosistemas del dato 1,86 2,14 1,69 1,94 1,80 2,40 1,44 2,33 1,00 1,25 2,25 2,75 1,25 1,25 1,25 1,75 1,50 2,00 2,14 2,71 1,50 1,75 2,60 2,80 1,38 2,23

Cliente

Experiencia de cliente 2,88 3,88 1,94 2,81 1,80 2,80 2,10 2,40 2,00 3,00 2,50 2,75 1,00 1,25 2,50 3,25 1,83 2,83 1,89 2,22 2,00 2,92 2,80 3,80 1,92 3,23

Conocimiento del cliente 2,50 3,38 2,20 2,67 1,80 3,20 2,10 2,70 2,25 2,50 2,50 2,75 1,50 1,50 2,00 2,75 2,50 2,83 1,38 1,88 2,00 2,58 2,75 3,25 1,62 2,46

Conocimiento del mercado 2,63 2,75 2,14 2,36 2,20 2,60 2,13 2,50 2,75 3,00 2,25 2,50 2,25 2,25 3,00 3,00 1,80 2,20 1,50 1,67 2,18 2,36 2,80 3,40 1,92 2,62

Marca 3,14 3,57 2,00 2,47 2,00 2,40 2,22 2,44 1,75 2,25 1,75 2,25 1,00 1,00 2,25 2,75 1,50 1,67 1,43 2,14 2,33 2,78 2,40 3,20 2,15 2,62

Operaciones

Soporte a la operación - Gestión económica 2,25 3,25 1,38 2,31 1,40 1,60 1,56 2,67 1,00 1,75 1,75 2,25 1,00 1,75 1,50 2,50 1,00 1,50 1,25 1,50 1,55 2,27 2,00 2,60 1,46 2,08

Soporte a la operación - RRHH 1,75 2,50 1,33 1,60 1,20 1,40 1,40 1,80 1,25 1,75 1,75 2,00 1,00 1,75 1,25 2,00 1,00 1,67 1,13 1,38 1,17 1,58 1,60 2,20 1,15 1,85

Soporte a la operación - Sistemas 2,00 2,88 1,60 2,13 1,60 2,00 1,80 2,60 1,75 3,00 1,75 2,25 1,25 2,00 2,00 2,25 1,50 2,50 1,13 1,88 1,50 1,92 2,00 2,80 1,58 2,50

Soporte a la operación - Legal y auditoría 2,00 3,00 1,00 1,19 1,00 1,00 1,30 1,70 1,00 1,00 1,25 1,25 1,00 1,50 1,25 1,25 1,00 1,00 1,00 1,13 1,33 1,50 1,00 1,00 1,00 1,08

Operación - Cadena de suministro 2,50 2,75 1,94 2,50 2,67 3,00 2,44 3,11 2,25 2,50 2,25 3,00 1,50 1,75 2,33 2,33 2,33 2,83 2,00 2,25 2,00 2,25 2,80 3,20 1,92 2,75

Operación - Eficiencia operativa 2,20 3,00 1,50 1,88 2,67 3,33 1,90 2,60 2,00 2,25 1,75 2,50 1,25 1,50 1,33 2,00 2,00 2,67 1,56 1,78 1,40 1,70 2,20 2,60 1,42 2,25

Operación - Producción - - 2,20 2,67 - - 2,50 3,50 1,75 3,00 3,33 3,67 1,50 2,50 - - 2,00 2,00 - - - - - - 2,00 2,00

Gestión de activos - Construcción, mantenimiento, explotación 2,50 2,50 1,38 2,06 1,00 1,00 2,20 2,70 1,50 2,00 2,25 3,00 1,50 2,00 1,67 1,67 1,33 1,67 1,43 1,86 1,22 1,44 2,75 3,50 1,18 2,18

Protección

Fraude 3,29 4,00 1,86 2,36 3,75 3,75 2,50 3,10 1,50 2,25 1,50 1,75 1,25 2,00 2,00 2,67 1,83 2,33 2,63 2,75 2,36 3,09 3,40 4,00 2,17 2,75

Riesgos 2,83 3,00 1,81 2,06 2,75 3,00 1,60 1,90 1,25 1,50 1,25 1,50 1,00 1,00 1,25 1,25 1,33 1,33 1,38 1,63 1,64 2,00 2,20 2,40 1,50 2,17

Garantía de seguridad 3,75 3,88 3,27 3,47 3,80 3,80 3,70 3,80 2,75 3,25 3,25 3,50 2,25 3,50 3,75 4,00 3,00 3,67 3,11 3,56 3,36 3,45 4,00 4,00 2,75 3,25

Privacidad 3,75 3,75 3,38 3,38 3,40 3,80 3,70 3,90 3,00 4,00 3,00 3,25 3,50 4,00 4,00 4,00 3,50 3,67 2,75 3,25 3,18 3,82 4,00 4,00 3,08 3,83

Regulación - nacional 3,00 3,50 3,07 3,43 3,20 3,60 3,67 3,78 4,00 4,00 3,50 4,00 4,00 4,00 4,00 4,00 3,50 3,50 3,67 4,00 2,90 3,30 4,00 4,00 3,17 3,75

Regulación - internacional 2,67 3,33 2,58 2,75 2,75 2,75 3,43 3,57 4,00 4,00 3,50 4,00 4,00 4,00 4,00 4,00 3,33 3,33 4,00 4,00 4,00 4,00 4,00 4,00 2,22 2,89

Nota: Los 50 indicadores de análisis pueden no aplicar en todos los sectores debido a las características de los mismos.

Resultados de los niveles de madurez promedios por cada indicador medido en el estudio - Detalle por sector

485 485

Desde Minsait queremos dar las gracias tanto a las empresas que han participado en esta iniciativa como a las personas que han dedicado su tiempo a entrevistarse con nuestro equipo.

Cualquier duda o pregunta sobre el informe, el equipo queda disponible.

Agradecimientos

______

Impreso en Madrid en octubre 2019, 1° Edición

Todos los derechos reservados.

Colaboradores

Luis Abril MazuelasMaría Isabel Alcaide LópezMariano Fernando Alvarado ConteÁngel Carlos Aparicio MoralesAntonio Armero GarcíaMaría Victoria Ares Alonso Amparo Arroyo BuenoMarco Auto Artal Juan Carlos Baluja MarequeVíctor Barrios GálvezMaría José Bastero de la ViboraMaría Beatriz Batanero RodríguezSilvia BeggioLeonardo Benitez DíazJuan José Berganza del AguaJulio Blanco RosaIván Jesús Bocanegra MorenoÁngel Bonet CodinaManuel Brufau NiuboEnric Brullet RodríguezJosé Ramón Caballer NavarroIsabel Calafat DíezDaniel Camiruaga OrtegaJaume Capdevilla GrauMarcos Cardoso LimaMaría Victoria Carrasco Pérez de AbreuCarlos Castañe LópezAna Isabel Castrejón CarrascoMarta Centeno JuradoJosé Luis Chaves PascualVíctor Chercoles MasedaNatalia Clavero HernaizMartí Concustell TintóRamón Cordero AmadoVíctor Cuevas PérezRoberto Díaz EstradaCarlos Díaz FernándezAránzazu Díaz UllateCarlos del Blanco CabriaCesar de Andrés LópezÁlvaro de la Mora PiñeyroMillán de Miguel MorenoÁlvaro de Salas LasagabasterMiguel Ángel Domínguez ÁlvarezMaría Fernández Fernández Luis Fernández HernandoIgnacio Javier Fernández LizaurLucía Fernández Paniagua Juan Ignacio Fernández PérezÁngel Fernández Rodríguez

Álvaro Ferreira RedondoJosep Figueras BatetDavid Fuente San JuanMarta Gadea GómezJavier Andrés Galvis MorenoFátima Galán ArmellJavier García ArenasEladio García GarcíaDaniel García ManteigaCarlos Alberto García MartínCástor García VilloriaFernando Garrido DuránManuel Gómez Espina Victor Gómez SánchezJavier Gómez RodriguezDavid González OruscoNoelia González RodríguezJuan Carlos Guzmán MuñozJosep Huguet GuashAntonio Ibáñez PeñaAna Isasi GómezNoelia Isabel Insa AguilellaPere Jofra CompanyJuan Antonio Juan CardonaBelén Lacunza RuizJose Manuel Laguna RuizJosé Luis Landaluce BlancoElena Larriba PastoraVíctor Manuel Lechuga HernándezAna Belén Lietor MorenoPablo Llopis EstramianaLorena López CoriaFernando López-Gamonal CidMaría del Mar López GonzálezHéctor Madrona CataláRaquel López MartínFrancisco Javier Martínez HerreraAna Lucas Moreno-TomeVíctor Manasé MayoElena Marticorena San José Miguel Martínez BenítezJulián Martín LópezMarcelo Martino MuñozJorge Montero ZapaterCarles Montoliu GinestaEmilio Mora NavarroJose Carlos Morales SaraibaDiego Moral CrespoMaría Ángeles Moreno RengelCésar Moro González

Borja Ochoa GilAlex Octavio BayónAlfonso Orantes Casado de AmezúaElena Pablos EspadaManuel Palencia LoboMaria Jesús Paniagua GonzálezJorge Parra PérezManuel Pascua VicenteFrancisco Pastor TortosaAlejandro Payeras MartínGonzalo Pedrosa GómezJuan Antonio Pérez de Cossio EncinasMikel Perez-Ilzarbe DomínguezAlejandro Perez MartínÓscar Perez SantosFerrán Pes BaladaVicente Priego RubioPedro Iván Ramírez AznarJosé Luis Ramos MartínAndrés Ríos ToroFernando Rodríguez LópezJuan Carlos Rodríguez ManzanequeLuis María Romero PrietoPablo Royo MartínAlberto Rubio MartínezLaura Ruiz Arce Delbiñe Ruiz de Galarreta UriarteJosé Antonio Ruiz LópezAndrea Ruiz UcarCarlos Ruiz ZambranaEnrique Sainz De La Cuesta Orjales Miguel Ángel Sarmiento DominguezPablo Seijo EnriquezJorge Sicilia GaillardAnxo Suarez VeigaCarlos Tapia ArrateLuis Ángel Tello SamperRafael Torralba CamposGracia Torres CorcolesClaudia Sánchez LópezJuan Manuel Vallina MendezFrancisco Vázquez GuilJesús Vázquez Huate Vicente Ybarra de Capua

Equipo del Informe

Carlos Beldarrain SantosHead of Service Development [email protected]

Juan Francisco GagoHead of Advanced Technologies [email protected]

José Luis Flórez FernándezHead of Artificial Intelligence [email protected]

Ignacio Álvaro FariñasHead of Data Technologies [email protected]

Ignacio Jiménez PinillosHead of Big Data [email protected]

Henar Martin MayoralDirector of Digital Transformation [email protected]

Leticia Gómez RiveroProject Manager [email protected]

Jordi Ponsa SiñolProject Manager [email protected]

Cayetano David Fuente San JuanProject [email protected]

Víctor Moreno MartínezSenior [email protected]

Javier Sánchez GarcíaConsultant [email protected]

Carlos CorredorDigital [email protected]

Versión digital

Ascendant 2019Informe Madurez digital España Dato y Analítica______


487

Minsait es la compañía que agrupa todoslos negocios de TI de Indra, integrando losmercados verticales, unidades horizontales yde soporte para responder a las necesidadesde transformación de los negocios de susclientes.

En Minsait creamos soluciones con impacto,poniendo en valor el producto, la cultura yla oferta transformacional para impulsar lareinvención de los negocios y de la sociedad.

En Minsait apostamos por el descubrimientoy la apertura de nuevos caminos comogarantía de transformación y de generaciónde impacto a través de la innovación.

En Minsait, somos la huella que dejamos.Y la huella que queremos dejar.

También disponible

Ascendant 2018Informe Madurez digital España ______

www.minsait.com

madurez digital españa dato y analítica · 2019-12-22 · con inteligencia, dosificando...

Documents