En este nuevo episodio conversamos con Federico Alejandro Garcia Calabria, el Chief Data Analytics Officer (CDAO) de Arcos Dorados para Latinoamérica. Repasa los principales desafíos y los objetivos de su rol en la empresa gestora de la cadena de restaurantes de comida rápida McDonald’s en LATAM. Además, enumera las condiciones que hacen falta para desarrollar estrategias, así como también crear equipos de datos y analítica para mejorar la toma de decisiones de toda la compañía.

La entrevista completa está disponible en Spotify!https://www.linkedin.com/embeds/publishingEmbed.html?articleId=8595820697683841787&li_theme=light

Aquí un resumen de la entrevista:

Trabajar con datos ofrece una ventaja competitiva a las organizaciones que lo hacen con una estrategia y pautas de gestión y gobernanza claras. Pero, en el fondo, el trabajo con datos plantea un desafío cultural que implica un cambio de hábitos. Sobre éste y otros retos dialogaron Ricardo Díez, CEO de Analytics Towns, y Federico García Calabria, Chief Data Analytics Officer (CDAO) de Arcos Dorados para Latinoamérica, que es la empresa que representa a McDonalds en la región, en el marco de una nueva entrega de Podcast para CEOs.

-RD: ¿Qué hace un Chief Data Analytics Officer?

 -FGC: Es responsable de definir, comunicar, consensuar y llevar adelante una estrategia de data analytics consistente en el tiempo. 

-RD: En lo personal, ¿cómo tomás decisiones? ¿Y cómo hacés para que eso derrame y se extienda a toda la corporación?

 -FGC: Intento que mis decisiones siempre estén basadas en evidencia, en lógica y en datos. Pero sin que eso sea un ancla. Creo que no hay que caer en el sobreanálisis, porque eso te congela y te deja inmóvil, y siempre hay que estar en constante movimiento. 

El objetivo del área de data y analytics en una empresa es hacer que la compañía tome las mejores decisiones posibles. Ese tiene que ser el norte. Y si fuese posible lograrlo, de mínima hay un requerimiento que es que se puedan sostener políticas y estímulos por un tiempo suficientemente largo. Al final del día la toma de decisiones es un aspecto cultural del tejido social, y no un problema técnico. Con lo cual para que los hábitos se modifiquen tiene que haber estímulos que perduren en el tiempo. 

-RD: ¿Cuáles son los dolores que más alivia el área de datos en la compañía?

 -FGC: A nivel teórico, son los dolores que resuelve la estrategia de data y analytics. Pero a esta estrategia hasta cierto punto la veo como a un país: hay cuestiones fundacionales que hay que resolver, que son invisibles y cuya contribución es difícil hacérsela ver al cliente… 

En términos teóricos el dolor de la organización sucede principalmente por cuestiones que no sabe que existen, o que no ve, o a las que no tiene acceso. Lo que ve un cliente son productos de datos construidos: un reporte, algún producto de machine learning (ML) que comunique su información contra alguna aplicación… Pero los dolores principales de una empresa a nivel de data y analytics pasan por sus interacciones sociales. 

Luego en términos operativos, y ya metiéndonos en lo que sí pueden ver los clientes internos, hablamos de satisfacer necesidades de información empresarial, componentes o productos de datos que sean visualizables, de alcance masivo, que tengan la seguridad suficiente (que se vayan adaptando de acuerdo a quién sea la persona que accede). Y que esa información sea confiable para la toma de decisiones.   

El equipo y los avances

-RD: ¿Cuántas personas trabajan actualmente en el equipo de datos de Arcos Dorados?

 -FGC: Alrededor de 40. Estamos bastante por debajo de la relación “cliente / colaborador a darle servicio” que tienen otras empresas. A mi criterio, la forma de medir el tamaño correcto de un equipo pasa por identificar la demanda que se tiene, tanto en término de la actual como la que se quisiera tener en cierto plazo. En Arcos Dorados todavía estamos en un proceso vivo de reestructuración del equipo, adaptándonos a la demanda que pueda haber. 

-RD: ¿Cambió mucho la forma en que se tomaban las decisiones antes, cuando no existía el área de datos, y ahora? 

FGC: Nuestro proceso de trabajo arrancó hace alrededor de un año. Con lo cual sería impreciso decir que hay un cambio muy visible en la cultura analítica de la compañía ya que eso es algo que lleva tiempo y hace a los hábitos. 

El año pasado le dimos forma a la estrategia de data y analytics, la consensuamos, la comunicamos y la empezamos a implementar. Construimos el data lake de la compañía, que es el repositorio central, donde se construyen productos de estadística descriptiva y de ML. También pusimos en producción unos 660 modelos de ML orientados a predecir la venta que tendrá cada uno de los restaurantes propios en Brasil, con una granularidad de 15 minutos y a 90 días en el futuro. Además, modificamos las dinámicas de trabajo y los procesos tanto fuera como dentro de los equipos, cambiamos stacks tecnológicos, armamos varios reportes empresariales escalables y accesibles por toda la jerarquía operacional. Y también resolvimos cuestiones de seguridad para que, de acuerdo a quién sea la persona que acceda a alguno de los dashboards, vea en forma dinámica la información que puede ver, en base al lugar que ocupa en la jerarquía operacional. 

Por otra parte, pasamos de un modelo con un claro énfasis en la tercerización, a otro de headcount interno, lo cual para mí es estratégico. Asimismo le dimos forma al modelo operativo analítico de la compañía (la idea era definir, dentro del proceso de data y analytics, qué permitiríamos que el cliente interno pudiera absorber). Además estamos trabajando en modelos de computer vision: colocamos cámaras en los restaurantes que permiten convertirlos en laboratorios de inteligencia artificial (IA) para efectuar diferentes tipos de mediciones. Por ejemplo, en la Argentina estamos midiendo la cantidad de autos que pasan por las avenidas principales respecto del número de autos que ingresan a los locales. Todas estas acciones hasta cierto punto las podemos controlar, porque en mayor o menor medida avanzan con empuje propio. Pero en los temas culturales es imposible hacer demasiado: las bases están sentadas, tenemos estándares de comunicación y tratamos de “empapelar” la organización con comunicados o con flyers a medida que salen nuevos reportes y novedades; y también incluiremos tanto reportes como videos en los videowalls de la empresa. Adicionalmente lanzamos un programa que llamamos “academia de datos”, que busca extender la cultura analítica de la empresa… Es decir que estamos trabajando sobre el tema porque es una cuestión  importante, pero sería un poco impreciso de mi parte decir que luego de un año en la empresa las decisiones se toman de una manera distinta. Todavía no llegamos a eso, aunque es el objetivo. 

El proyecto de los modelos predictivos en Brasil fue el caso de uso a partir del cual construimos la arquitectura de datos de la empresa. En mi visión lo que apalanca cualquier desarrollo es un caso de uso, es la necesidad concreta del negocio. En nuestro caso en algún momento identificamos cómo las distintas áreas utilizaban la proyección de tickets; y varias de ellas hacían su propio cálculo para luego accionar en su línea o dominio de negocio. Por eso lo que hicimos fue centralizar esa métrica a partir de modelos de ML que luego le pudieran ser de utilidad a distintas áreas como marketing, supply chain, operaciones y finanzas, desde un único lugar. 

Muchas veces lo que se observa en el mercado es que por ahí surgen palabras como data lake y algunas otras arquitecturas de datos, se crean estas arquitecturas y se popularizan estos repositorios sin ningún tipo de norte. Por ahí se dice: “llevemos data a la nube, porque está bueno”. Pero luego, ¿qué se hace con eso? No hay una conexión… Creo que en todo lo que refiere al back end hay que ir dando pasos a partir de casos de uso que sean claros y aporten valor al negocio. 

Factores de éxito 

-RD: ¿Cómo hacen para que se extienda en la empresa la toma de decisiones basada en datos?

 -FGC: Creo que hay un componente central que tiene que ver con el empoderamiento, con la visión desde lo  más alto de la compañía. En Arcos Dorados hay un grupo de personas que conforman el management board, obviamente precedido por el CEO, que es la persona más convencida de que hay que avanzar en términos de la estrategia de data y analytics. Incluso desde el punto de vista del organigrama ya hay terreno ganado porque antes de arrancar con una estrategia de datos y analítica se entendió que el sector tiene una entidad propia, y no es un apéndice de alguna otra área, como sucede en muchas otras industrias o empresas. Por otro lado, desde mi experiencia, nunca recibí tanto empoderamiento desde lo más alto. Y esa es una condición central para pensar en poder tener éxito en un proceso de transformación, aunque tampoco lo garantiza.

-RD: ¿Qué te viene a la cabeza cada vez que se habla de IA, data science y ML y se popularizan estos conceptos?

 -FGC: Mi sensación es que a la gente le suele gustar el ruido, el “papel picado”… Y se mezclan términos con tal de sonar cool o sofisticado. Creo que el mercado y la industria en particular ha tenido problemas para hacer de los productos de ML algo más que investigación y desarrollo. A la gente le gusta hablar mucho de esas herramientas o tecnologías como inteligencia artificial, ciencia de datos, analítica avanzada y big data; y muchas veces las mezcla. Si bien estas tecnologías por supuesto ayudan a monetizar y eficientizar varios aspectos del accionar de una empresa, no resuelven los problemas de base. Muchas veces siento que hay mucha charlatanería alrededor de estos conceptos. Es algo que hay que posicionar con cuidado y respeto. 

Hoy hay un montón de posibilidades en la tecnología para tomar mejores decisiones: o las toma el individuo con data confiable y con información predictiva, o directamente la toma la computadora. 

-RD: ¿Qué buenas prácticas le recomendarías a una compañía que todavía no tiene un área de datos estructurada y no cuenta con un directorio o un equipo que desarrolle este tipo de iniciativas?

 -FGC: Hay un par de cuestiones que no pueden faltar. El primer punto es conseguir el empoderamiento. El segundo es tener una visión extremadamente clara, y sostenerla en el tiempo. El tercero es tener un pensamiento propio: en este rubro hay una cantidad de oferta insólita en términos de consultoría y servicios profesionales, y creo que eso, llevado al extremo, genera una atrofia a la hora de tomar decisiones y entender las cosas por uno mismo. Y el cuarto punto, obviamente, es tomar decisiones basadas en datos. 

Dónde poner el foco

-RD: ¿Hacia dónde va el mundo en término del proceso de análisis, toma de decisiones, ciencia de datos e IA?

 -FGC: La gente que realmente sabe de IA la considera una revolución equivalente a la electricidad. Sin embargo también ocurren varias cosas que llevan a preguntarse qué es mito, y qué es realidad… 

A mí no me gusta hacer futurología. Pero por ejemplo Geoffrey Hilton, que es considerado como el padre de las redes neuronales, dice que las computadoras en algún momento van a poder mejorarse a ellas mismas. Esa es la cuestión donde él pone el foco y que habría que controlar. Es decir: cuando la computadora misma aprende por sí sola, sin que se lo indique alguien de afuera. Esto se llama human level intelligence. Y otro pionero de su grupo, Yann LeCun, sostiene que human level AI no va a querer dominar a la humanidad.  

Creo que más allá de los avances que haga la academia sobre los tópicos de la analítica de datos, la industria seguirá con los mismos problemas de siempre. La IA es sexy, pero no resuelve los problemas de fondo.  

-RD: Claro, el dato por sí solo no sirve para nada: solo sirve si es utilizado para la toma de decisiones, y si esta última genera una acción…

 -FGC: Totalmente. Esto es central. Los datos son una materia prima que por sí sola no sirve para nada. De hecho, creo que hay que hablar de analytics, e ir modificando el trade off de las personas para que se dediquen menos a la data, ya que ésta es un problema de los equipos técnicos, y en cambio la toma de decisiones es un problema de todos y requiere de un proceso analítico. Entonces hay que hablar más de analítica que de data. 

Sin la analítica, los datos no sirven para nada. Y sin los datos no se puede hacer analytics. Se necesitan mutuamente. Lo importante es que a nivel cultural se ponga el foco en la porción que la empresa puede controlar, que es la dimensión analítica.

Este podcast es posible gracias a Analytics Town.

Puedes escuchar la entrevista completa en tu plataforma favorita:

Ya disponible en Spotify:

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

Apple Podcast: https://lnkd.in/gTFS7mfC