Pablo Mlynkiewicz, Chief Data & Analytics Officer de la fintech Naranja X, ofrece su visión sobre cómo organizar y enfocar la tarea de un Centro de Excelencia de datos (CoE). Además, se refiere al rol de la gobernanza de datos, y al presente y futuro de la inteligencia artificial aplicada al proceso de toma de decisiones. 

El auge de la cultura data driven en las organizaciones indica que hay un potencial importante para mejorar la forma en que se toman las decisiones, y los resultados que se obtienen.  A partir de los datos los líderes obtienen una visión mucho más amplia de su negocio y el ecosistema que los rodea. Ahora bien, ¿cómo se puede mejorar el proceso de toma de decisiones de una forma organizada? Este fue el eje del diálogo que mantuvieron Ricardo Díez M., CEO de Analytics Town, y Pablo Adrián Mlynkiewicz, Chief Data & Analytics Officer en Naranja X.  https://www.linkedin.com/embeds/publishingEmbed.html?articleId=9074694210856861190&li_theme=light

Resumen de la Entrevista:

-RD: ¿Cómo se puede desarrollar un Centro de Excelencia (CoE) para hacer escalable el proceso de mejora de la toma de decisiones?

-PM: Hoy todas las empresas tradicionales empiezan a ver un valor muy interesante en la información y en los datos.  Lo más importante en este cambio está relacionado con la estrategia y con la formación de equipos. Cuando hablamos de estrategia de datos en una organización siempre tenemos que aclarar que debe acompañar la estrategia más general de la compañía, con su visión, sus OKRs y demás. Entonces, el rol del director de datos tiene que ver con impulsar e implementar una estrategia de datos que tenga esta visión, que mire lo que está pidiendo el negocio y el resto de las áreas de la empresa; y que también tenga un proceso de contención así como también de evolución de los equipos que conforman ese espacio. Porque esta dinámica constante de evolución y de nuevas tecnologías hace que los equipos estén constantemente en tensión y que deban aprender cosas nuevas. Con lo cual uno de los grandes desafíos que tiene el rol del director de datos es unificar la gestión de datos con una visión de estrategia y traerlos al centro del  negocio, como un habilitador de la práctica. 

-RD: ¿Qué visión tienen en Naranja X de su Centro de Excelencia (CoE)? 

-PM: Nuestro CoE consta de un equipo o área que centraliza un conocimiento muy profundo y específico de la organización. Este centro se implementa porque resulta muy costoso y difícil que las personas que tienen que ver con data estén distribuidas en la empresa, porque se necesitarían muchos más colaboradores. Por otro lado, es clave que cada tarea que se realice en el CoE busque tener un impacto en el negocio y tenga una estrecha vinculación con él, con sus prioridades y con la mirada organizacional. 

En el CoE de datos de Naranja X buscamos aportar mucho más valor a la organización. Miramos los datos y sobre ellos vamos ayudando a toda la compañía, obviamente de manera priorizada. Luego hay otras áreas que quieren utilizar la analítica avanzada y los acompañamos en ese proceso de evolución porque vamos hacia la descentralización de las prácticas. Pero descentralizar no quiere decir desgobernar: la práctica queda descentralizada pero hay un gobierno, un marco claro donde se define qué, cuándo y dónde, y con qué tecnología. Necesitamos un área que gobierne no solamente los datos, sino también la práctica analítica, para que las herramientas dialoguen entre sí y podamos minimizar el tiempo en el que se responde una pregunta concreta de negocio. 

CoE de datos: organización y prioridades

-RD: ¿Cuántas personas trabajan hoy en el COE de Naranja X?

-PM: Somos 71 personas internas y 30 más que nos acompañan desde empresas que son socios o vendors nuestros. 

(Cabe mencionar que Analytics Town es proveedor de NaranjaX en entrenamiento de modelos analíticos, Data Science y Machine Learning)

-RD: ¿Cómo se logra que 100 personas ayuden a que los 3 mil colaboradores de Naranja X tomen mejores decisiones?

-PM: Si en una empresa trabajan 3 mil personas, y hay 100 colaboradores que les tienen que prestar servicio, seguramente se va a generar un cuello de botella. Y de hecho se genera. Con la descentralización buscamos cambiar el mindset de las áreas que utilizan datos o que necesitan usarlos: que no esperen que alguien les ponga los datos y que ellos luego ellos solo se fijen en su Power Point qué porcentaje de diferencia les dio, sino cuáles son las preguntas de negocios que tienen y cómo pueden ir respondiéndolas con los datos y con los accesos. En base a eso es mucho más fácil entender qué necesitan, hacia dónde tienen que ir y cuáles son las limitaciones en el uso de los datos.  En el CoE invertimos mucho tiempo y dinero en acompañar ese cambio de mindset y evolucionar el índice de maduración analítica que nos permite ver en qué instancia está cada una de las personas que conforman un equipo, y luego generar capacitaciones específicas para ese conjunto de colaboradores. 

El COE hoy se divide en verticales que tienen que ver con tecnología, pero más que nada estamos apuntando a la cultura, al mindset. Tenemos un área que se llama Big Data (el equipo que evoluciona y mantiene el repositorio analítico, donde viven todos los datos que provienen de un montón de orígenes transaccionales).  Este equipo le da servicio al CoE y lo tenemos adentro. Luego contamos con un área de data management que impulsa el programa de gobierno de datos, entre otras cosas. Y también tenemos un equipo de data analytics, que va a cada área de la organización a evolucionar su maduración y que mira lo que nos pasó hacia atrás… Además, disponemos de un equipo de analítica avanzada que mira lo que nos podría llegar a pasar si vamos por tal o cual lugar… 

Tenemos claro que somos un área en la que se generan cuellos de botella y que la única forma de no serlo es descentralizando, con gobierno, permitiendo que más equipos empiecen a interactuar con los datos y no que dependan de nosotros. 

-RD: ¿Cuáles son los principales dolores de una organización que un CoE ayuda a resolver?

-PM: Para mí el primer dolor que alivia un CoE de datos es darle las herramientas a cada una de las áreas, la información y el sustento suficiente como para que las decisiones que tomen no estén basadas en la intuición.

-RD: ¿Cuáles fueron los principales logros que obtuvieron con esta implementación?

-PM: Nuestro objetivo y visión es impulsar la cultura cliente-céntrica basada en datos y evidencia, y ser referentes en la región. Estamos en ese camino y constantemente lo estamos midiendo. El CoE de datos tiene esa responsabilidad. Luego nos enfocamos en la creación de una estrategia de datos, que vaya de la mano de impulsar la cultura cliente-céntrica pero que esté relacionada con la estrategia de tecnología, de riesgo y con la estrategia de las distintas áreas de la organización. Además buscamos acercar la gestión de datos al impacto y al aporte de valor: la única forma de no ser un costo es mostrar y comunicar y hacer ver a los stakeholders que estamos aportando valor. Y esto es parte de nuestros hitos: el hecho de que la gente hoy espere cada vez más aporte de valor, y no nos vea como un costo.

Luego, para los equipos de datos es fundamental  sostener y evolucionar a los grupos de trabajo: no hay forma de impulsar esto si no se cuenta con equipos, personas que tengan una visión clara, un mismo horizonte y las mismas ganas de empujar. Sostener ese equipo y mantenerlo todo el tiempo a la vanguardia es otro de nuestros grandes hitos. Además nos hemos convertido con otras empresas en referentes en el país y en la región, y ese es otro logro importante: cuando la gente quiere hablar sobre datos encuentra en Naranja X un equipo evolucionado y muy bien posicionado. 

Por otra parte, hemos logrado reemplazar todos los modelos que provienen de afuera  y los hemos hecho y mejorado nosotros internamente. Hoy nuestras métricas y modelos son mejores que los que teníamos antes. Además, obviamente, otro hito fue mejorar las métricas y el impacto: cada vez ingerimos y gobernamos más datos, cada vez generamos más modelos de analítica avanzada e impulsamos más la evolución analítica. Y, por último, hicimos mucha fuerza en traer mucho más a la realidad a la analítica avanzada, el machine learning y la inteligencia artificial. 

Gobernanza de datos: rol e importancia

-RD: ¿Cuál es el rol de la gobernanza de los datos y por qué es importante?

-PM: Cuando definimos en una organización que el dato es un activo estratégico, asumimos que tiene impacto en el día a día de la empresa. El gobierno de datos apareció hace más o menos 10 ó 15 años, y en algunos casos es un “dolor” fuerte que hay en las organizaciones, porque es un tema que nadie quiere asumir. Todo el mundo quiere  acceder a los datos y hacer cosas, pero nadie quiere controlar qué, cómo, cuándo y dónde. No le quieren rendir cuentas a nadie de lo que hacen ni del costo que generan a partir del uso de la  información… 

Hoy lo más importante en las organizaciones es el cambio cultural hacia los datos: los datos antes eran un resultado de una transacción y como no mirábamos un cliente, sino a la transacción misma, no nos importaba lo que pasaba ahí adentro. Actualmente, en cambio, en organizaciones como la nuestra ese dato describe comportamientos del cliente, permite conocer sus necesidades y sus momentos.  

El gobierno de datos surge porque las áreas de tecnología y de datos no querían hacerse cargo de este tema: “¿querés acceder a los datos y explotarlos?, bueno, acá te los dejo y fijate qué hacés…”.  En el medio había un vacío: qué se puede, qué no y quién lo hace… Y ahí se empezaron a implementar los programas de gobierno de datos, que hacen mucho foco en las leyes y en las buenas prácticas internacionales. Por ejemplo en nuestra región las leyes argentinas, de Uruguay, Chile y Brasil son completamente distintas. Entonces el equipo de gobierno de datos lo que hace es poner el foco en el uso analítico de los datos, y en garantizar la calidad en el proceso end to end de transformación de los mismos, pero además entender para quiere acceder a los datos determinada área y cuál es el impacto de negocio. Es decir: tenemos que saber qué se va a hacer con el dato, y tener una respuesta concreta, porque en esto hay un costo (en muchas empresas ya fuimos o estamos yendo hacia la nube, y ahí hay un costo por consumo). Sobre esta base las prácticas del gobierno de datos fueron evolucionando, y desde hace varios años existen metodologías para guardar información sensible de los clientes desde el momento cero.  

Inteligencia artificial (IA): casos de negocio

-RD: Acerca de la IA, ¿qué te parece que es un mito y qué una realidad? ¿Hacia dónde te parece que va todo esto?

-PM: Lo primero es comprender las oportunidades que nos ofrece la IA, que creo que hay muchas y que hay que saber aprovecharlas. Vuelvo a lo de siempre: cliente y negocio. Si la IA nos va a aportar valor, va a generar un caso de negocio donde podremos ahorrar tiempo o mejorar la experiencia del cliente, la compro. Lo que no encuentro hasta ahora son casos de negocio concretos que de alguna manera diferencien la experiencia de nuestros clientes o nos generen más rentabilidad o eficiencia. Sí los estoy encontrando en los modelos de machine learning, que son parte de la IA. Pero no en gestión de inteligencia artificial en la empresa. 

Hacia eso debería ir la inteligencia artificial: la IA existe, se está utilizando en un montón de lugares, pero están faltando casos de negocio en las organizaciones. Por ejemplo, nosotros estamos hablando de hiperpersonalización, que cada producto sea específico para cada cliente. Y si vamos a pensar en la hiperpersonalización, me gustaría usar la IA para arriesgarme a decir que a tal cliente le va a gustar tener un préstamo en este momento… O poder anticipar si hay un tema de fraude potencial… Ahí es donde creo que hay valor y la IA aporta un diferencial. Y creo que como organización tenemos que abrazar esta tecnología en el caso de que existan casos de negocio. Y si no, dejarla que fluya como otras tecnologías que pasaron.

Puedes escuchar la entrevista completa en tu plataforma favorita:

Ya disponible en Spotify:

Google Podcast: https://lnkd.in/dtcqteew

Apple Podcast: