Hoy en día hay comunidades, industrias artesanales, diletantes, equipos autoorganizados, aficionados y pluriempleados que han florecido gracias a inmensas plataformas creadas por Google y empresas similares, esto permite que puedan competir contra profesionales de organizaciones tradicionales.
Sin embargo, la empresa típica se ve, en consecuencia, amenazada desde dos frentes. En uno, por enjambres de individuos y pequeños grupos con capacidad de innovar, adaptar y experimentar a un coste menor. En otro, por organizaciones que tienen una escala y un nivel de experiencia que las sobrepasan. Es posible que una empresa típica sea a la vez demasiado grande y demasiado pequeña.
Demasiado grandes: explotar el poder de las comunidades
Las empresas pueden abordar el problema de ser demasiado grandes, lentas e incómodas de gestionar poniendo sus datos al servicio de la energía y la imaginación de comunidades externas. Es lo mismo que hace Google con sus IPAD y Amazon con sus reseñas de clientes (¡y no se trata precisamente de compañías novatas!). Esto es arriesgado. Se puede estar violando la propiedad intelectual y hay que proteger la privacidad. Minoristas como Amazon se arriesgan a perder ventas publicando reseñas negativas con la esperanza de que pesen más la confianza y la credibilidad de la tienda en conjunto.
Una alianza entre los muy grandes y los muy pequeños
Una de las formas de explotar la energía de las comunidades es mediante concursos. En 2006, Netflix organizó uno para mejorar su sistema de recomendación de películas, publicaron un inmenso conjunto de datos anonimizados con las valoraciones que medio millón de clientes habían hecho de cerca de 20.000 películas. Netflix prometía un suculento premio de un millón de dólares para el primero que lograra mejorar su algoritmo de recomendaciones en el 10%. También se ofrecieron premios intermedios para los mejores algoritmos hasta la fecha, a condición de que se divulgaran parcialmente entre los otros competidores para estimular nuevas innovaciones. Netflix construía así de manera inteligente un entorno que favorecía tanto la competición como la colaboración. Los equipos compitieron durante más de tres años. Se concedieron premios intermedios, pero se motivaba a los ganadores para que compartieran sus progresos con otros si querían optar al premio gordo. El algoritmo ganador, desarrollado por un equipo mixto, mejoró la exactitud de predicción del sistema en el 10,9%. Un proyecto de I+D que le salió a Netflix extremadamente barato, con un conjunto de big data como única infraestructura y equipos de entusiastas de la programación compitiendo y colaborando de manera fluida.
Más recientemente, Orange, la compañía francesa de telecomunicaciones, hizo público un conjunto de datos sobre uso de telefonía móvil en Costa de Marfil, donde es la única operadora. Los datos recogían los patrones de uso durante cinco meses de unos 50.000 individuos seleccionados al azar y estaba completamente anonimizado. Revelaba cómo los usuarios de teléfonos móviles se desplazan de un lugar a otro y quién hablaba con quién (por localización). La idea era simplemente invitar a los investigadores a que vieran qué podían sacar de un conjunto de datos tan rico.
Uno de los proyectos más interesantes fue un análisis de varios investigadores en colaboración con IBM de patrones de viaje en Abiyán, la ciudad más poblada del país. Emplearon los datos de teléfonos móviles para averiguar de dónde salían y a dónde llegaban los usuarios en sus desplazamientos diarios. Esto permitió optimizar las rutas de autobús de las ciudades, reduciendo potencialmente el tiempo de desplazamiento en el 10% sin necesidad de añadir más autobuses. Otra aplicación posible sería de gran utilidad para la sanidad pública: los patrones de movilidad física predeciría la propagación de epidemias y los patrones de comunicación podrían utilizarse en campañas de propaganda para ayudar a combatir la enfermedad. Cosas como estas hacen presagiar una revolución en la salud pública.
Seguramente, Orange sola no habría podido identificar estas realidades y mucho menos resolverlas; no es más que una empresa de telefonía. Pero el valor de los datos es mayor que la industria en la que se originaron y, al hacerlos accesibles a investigadores de todas partes, Orange está siendo pionera en una nueva manera de pensar en los negocios.
Quizá, en un futuro, las operadoras de telefonía abandonen los teléfonos y se dediquen a explotar los datos; parece descabellado, pero también lo parecían los servicios de investigación gratuita antes de Google. Orange hace bien en experimentar. En el mundo de los big data, la información que estos pueden arrojar difícilmente será cognoscible antes de los hechos y de ningún modo resultará aparente para la institución que se ocupe de reunirlos.
Demasiado pequeño: construir una infraestructura de datos
Los big data rebasan los límites del modelo tradicional de negocio en lo referido a gestión de instalaciones físicas. Por eso, las compañías están externalizando las tareas de procesamiento de datos a proveedores de «computación en la nube». Proveedores de nube como Amazon Web Services cuentan con economías de escala respecto a sus clientes.
La mayoría de los servidores del entorno corporativo que ejecutan una o dos aplicaciones solo alcanzan una utilización del 10 al 15%, debido a la necesidad de reservar capacidad para poder operar durante las horas punta. Amazon consigue una mayor utilización, explotando la llamada ley de los grandes números: mientras que las fluctuaciones en la demanda sean de alguna manera independientes, su suma es, proporcionalmente, menos volátil.
Así, Netflix puede ofrecer sus películas desde instalaciones de Amazon porque sus horas punta —las noches— no coinciden con las de la mayoría de los otros clientes corporativos de Amazon, es decir, con el horario de oficina. Además, y esto es importante, la gestión de estas instalaciones requiere destrezas especializadas, una «competencia fundamental» de la que la empresa media puede carecer. Los especialistas son capaces de gestionar tiempos de operación, copias de seguridad, recuperación ante desastres, actualizaciones y parches de manera mucho más avanzada que la mayoría de los usuarios finales. Pueden responder con mayor rapidez a amenazas de seguridad. El proveedor de nube logra así concentrarse en las virtudes clásicas de la infraestructura general: fiabilidad, ubicuidad y eficiencia. Los clientes se ahorran dinero pero, sobre todo, ganan flexibilidad. Son capaces de movilizar recursos, aumentar la escala de los procesos, incluso desarrollar negocios por completo nuevos en cuestión de horas en lugar de semanas. La flexibilidad y la adaptación a bajo costo son posibles gracias a la descomposición de una cadena de valor en sus distintos componentes y a la gestión de las partes donde la escala influye en una organización separada.
Pero esta posibilidad no se limita a las instalaciones; también sirve para los propios datos. Puesto que el auge de los big data abre la posibilidad de conjuntos de datos mucho mayores y de análisis mucho más avanzados, surgen nuevas oportunidades para la ventaja competitiva.
Un gran uso del big data
En 1994, Tesco, el minorista de alimentación del Reino Unido, emitió una nueva tarjeta de fidelización llamada Clubcard. Contrataron a un equipo formado por un matrimonio, Clive Humby y Edwina Dunn, ambos matemáticos, para que hicieran algo revolucionario: deducir el comportamiento de los clientes usando lo que ahora llamaríamos «big data». Clubcard proporcionó a Tesco datos granulares de transacciones ordenados por código de barras, punto de venta, cliente y desplazamiento al punto de venta. Dunn y Humby cartografiaron el rango de alcance de productos de Tesco en cincuenta dimensiones abstractas:
- tamaño,
- rangos de precio,
- color,
- dulce salado, etcétera.
A continuación examinaron las cestas de productos que compraban las familias para establecer correlaciones entre dichas dimensiones.
La compra de «productos de mercado» reveló variables de segmentación previamente invisibles, como la preocupación por el presupuesto familiar, la ansiedad relacionada con el estatus y el vegetarianismo. También otras variables de segmentación que nadie fue capaz de explicar, y que tampoco hacía falta hacerlo, ya que en el mundo de los big data basta con que exista una correlación. Tesco utilizó entonces esas correlaciones para identificar preferencias no obvias de clientes, determinar parejas de productos intercambiables o complementarios e impulsar categorías transversales de productos.
Los resultados fueron espectaculares. Las tasas de reembolso por cupones promocionales alcanzaron el 20% (comparado con el 1% del sector en general). Tesco ahorró unos 350 millones de dólares redirigiendo sus promociones de manera más eficiente. Y, gracias en gran medida al impulso proporcionado por Clubcard, superó a Sainsbury’s y se convirtió en la primera cadena de alimentación del Reino Unido.
Durante algunos años, Sainsbury’s se esforzó por encontrar una estrategia de respuesta. La superioridad de Tesco en escala y en experiencia acumulada parecía imbatible. Al final, optó por una táctica audaz: desbancar a Tesco abriendo Néctar, su tarjeta de fidelización, a otros minoristas. Néctar se lanzó en colaboración con los almacenes Debenhams, el gigante del petróleo BP y la compañía de tarjetas de crédito Barclaycard y la gestionó un agente neutral, una empresa llamada Loyalty Management Group. Desde entonces se le han unido más compañías. Los usuarios de Néctar obtienen puntos por gastar en otros minoristas y Néctar gana escala y rango de alcance para su base de datos de usuarios. Un rango de alcance grande puede compensar la desventaja inicial en cuanto a escala y experiencia.
Principio crítico
En la era de los big data, las economías de escala pueden expandirse más allá de los límites del concepto tradicional de negocio. De este modo, el valor y la ventaja pueden ser creados por nuevas instituciones, las encargadas de reunir los datos.
Es de esperar que esta misma lógica puede aplicarse a escala mucho mayor en la medicina genómica. Se usarán técnicas de big data para identificar patrones mínimos en la información genómica de individuos, en historiales médicos, síntomas, protocolos, resultados, datos a tiempo real suministrados por sensores corporales y datos ambientales. La medicina avanzará descodificando conjuntos de datos inmensos, interrelacionados, baratos e imprecisos, en lugar de los datos pequeños, en silos, claros, precisos y patentados que generan los informes médicos, los ensayos clínicos y los experimentos de laboratorio. Al acceder a estas bases de datos, los médicos, e incluso los pacientes, pueden convertirse en investigadores, y las buenas prácticas basadas en pruebas podrán extenderse por todas las comunidades médicas.
Conclusión
Es inevitable que surja una pregunta incómoda: ¿cómo pueden juntarse todos estos datos si proveedores, aseguradores, fabricantes de dispositivos, compañías farmacéuticas, Google, pacientes y gobiernos no solo poseen distintas partes del total de datos sino que los protegen celosamente y compiten basándose en la ventaja que les proporcionan?
Cuando tiene sentido unir conjuntos de datos, ¿cómo se van a proteger la privacidad y los derechos del paciente? La tecnología por sí sola no puede resolver estos problemas. La respuesta —la única posible— está en la arquitectura. Necesitamos una infraestructura de almacenes de datos fiable y neutral.
Estos cambios ya se están produciendo. Las organizaciones sin ánimo de lucro se están posicionando como plataformas para la anonimización, tutela y protección de bases de datos genómicas. Los registros gestionados por universidades y asociaciones médicas se están convirtiendo en archivos dinámicos en los que se comparten datos de medicina basada en pruebas. Las nuevas tecnologías de anonimización y encriptado de datos hará compatible la necesidad científica de divulgar con el derecho personal a la privacidad. Construir una infraestructura de datos compartida será uno de los desafíos estratégicos de la próxima década en el sector sanitario y también para los legisladores.
Fuente: Philip Evans Boston Consulting Group, BBVA Openmind, Reinventar la empresa en la era digital.
Adaptado por la División consultoría de EvaluandoSoftware.com