Autor
VEA // Charlas sobre las series de Google en Vivatechnology (active los subtítulos en inglés en la barra de herramientas)
Vincent Luciani, co-CEO de Artefact debate con Dounia Zouine (CDO, Unify) sobre ” Data Inteligencia: convertir data en valor “. La entrevista está animada por Pierre-Louis Corteel, Director de Google Marketing Platform Francia
El potencial para transformar data en valor a través de la innovación de productos, servicios o procesos es inmenso, y las empresas que lo consiguen superan a sus competidores. Sin embargo, sólo 30% de los proyectos de transformación data-driven logran sus objetivos, tropezando a menudo en la ampliación.
En VivaTech 2021, entrevisté a Dounia Zouine, Data y Directora Digital de Unify (una filial digital 100% del grupo TF1, que incluye aufeminin, Marmiton, Les Numériques, etc.), y a Vincent Luciani, cofundador y codirector general de Artefact (una empresa de consultoría data y agencia data marketing), sobre el potencial de la data, las condiciones para su ampliación y los problemas subyacentes.
Vincent, el lema de Artefact es “Valor mediante Data”. ¿Cómo cree que las marcas pueden conseguir crear valor a través de data?
Vincent: A partir de nuestra experiencia, podemos identificar tres áreas principales en las que estamos viendo importantes retornos de la inversión, aunque no se trata de una lista exhaustiva.
El marketing es lo primero, en particular el marketing digital, mediante una mejor asignación del presupuesto, la optimización de las campañas y el targeting. La mejora de estos factores puede duplicar las ventas.
A continuación, la cadena de suministro, cada vez más data-driven. Hoy es posible predecir con mayor exactitud la demanda final analizando señales que ayudan a afinar las probabilidades, como las inversiones en marketing, las limitaciones de la red de distribución o la meteorología. Estimamos que una mejora de 10 puntos en las previsiones puede traducirse en un aumento de 1% en el volumen de negocio. Este es el tipo de ratio que vimos con uno de nuestros clientes de la industria alimentaria del CAC 40, donde mejoramos las previsiones entre 2 y 10%, dependiendo de la unidad de negocio.
Por último, las relaciones con los clientes. Un buen ejemplo es lo que llamamos “asesoramiento aumentado”. Con los sistemas de reconocimiento del lenguaje (Procesamiento del Lenguaje Natural), es posible dar a los operadores de los centros de llamadas información pertinente durante una conversación en tiempo real.
Hoy en día, los grupos líderes están fijando objetivos ambiciosos para los programas de transformación que utilizan data e IA, y la crisis de Covid no ha hecho más que acelerar esta dinámica...
¿Cuál es su data estratégico en Unify, y cómo su uso ha dado forma a sus productos y servicios?
Dounia: En Unify, desarrollamos toda una galaxia de medios de comunicación, contenidos y sitios de comercio electrónico, todos ellos fuentes data en términos de cantidad y diversidad (interés, intención, semántica, perfil sociológico). Esto data mejora nuestro conocimiento audience y permite usos internos y externos:
El verdadero reto que hay detrás de todo este trabajo, más allá de recoger el data, es cómo utilizarlo eficazmente, de forma controlada y responsable, a la vez que se amplía. Para Unify, esto ha supuesto establecer la organización y las inversiones adecuadas en consonancia con nuestra ambición y nuestros activos data.
La ampliación suele ser un obstáculo en estos proyectos por muchas razones, porque estamos hablando de una verdadera transformación difícil de aplicar.
Vincent: Es cierto que muy pocos proyectos data alcanzan todo su potencial. Sin embargo, en los últimos cinco años se ha hecho un gran esfuerzo por profesionalizar la data utilizando dos conceptos clave: “data como activo” y “data como producto”.
Data como activo significa gestionar el propio data como un activo real. Pero para ello, primero hay que reducir la “deuda” que se acumula en torno a la data: la multiplicidad de sistemas informáticos complejos que se superponen a lo largo del tiempo, con fuentes de data a menudo mal documentadas, de difícil acceso y a veces discordantes.
Para eliminar esta “deuda“, necesitamos identificar los dominios data más importantes y crear capas organizadas que mejoren la calidad, normalicen y hagan accesible la data. Están surgiendo nuevos perfiles de “gestores de dominios data” o “stewards data”, que se encargan de mantener y conectar las fuentes data para asegurar su uso.
Data como producto significa crear un software real que permita a las empresas visualizar, utilizar y manipular data de forma independiente. Un software que debe integrarse en los sistemas de información y mantenerse a lo largo del tiempo.
Esto es más difícil de lo que parece porque implica replantearse fundamentalmente cómo trabajan los científicos data, y requiere enfoques dedicados (como MLOps), propietarios de productos y herramientas para dirigir, orquestar y mantener algoritmos (como Vertex, la nueva herramienta de orquestación de Google).
Hacer del data un activo utilizable, transformarlo en “productos” que puedan ser utilizados por las líneas de negocio, y luego mantener estos productos a lo largo del tiempo... Un proyecto así requiere nuevas competencias. ¿Cómo se adapta su organización?
Dounia: Para ser totalmente francos, el tema de la organización -especialmente data governance- es uno de los mayores retos a los que nos enfrentamos, y estamos intentando avanzar trabajando estrechamente con nuestro departamento de TI. Es tanto más difícil cuanto que con los proyectos data, a menudo vemos los costes antes que los beneficios.
Por eso empezamos por los casos de uso con más probabilidades de mejorar los ingresos de Unify, cambiando gradualmente de mentalidad y generando confianza. Sin confianza, no hay cambio.
Al final, lo que más nos ayudó fue contar con la experiencia interna de data, y también con una organización proactiva. Centralizamos las herramientas, las competencias y la base técnica.
Ahora que hemos alcanzado la madurez y podemos ver claramente el valor, nos damos cuenta de que para seguir creciendo necesitamos competencias en calidad, seguridad y gobernanza data.
La ampliación implica una cierta madurez organizativa data de recopilación, seguridad, suministro y uso. También plantea nuevas cuestiones éticas.
Vincent: Sí, con la difusión del artificial intelligence hay que tener especial cuidado, ya que pueden surgir sesgos involuntarios al utilizar un data histórico que de por sí está sesgado.
Por ejemplo, si la base data de una entidad de crédito contiene más hombres que women, un algoritmo podría interpretar el género como un criterio de elegibilidad, algo que nadie desea.
Por ello, las decisiones tomadas por los algoritmos deben documentarse y controlarse (explicabilidad) para garantizar que cumplen el código ético de la institución y la ética en el sentido más amplio.
Sin ética, no hay confianza. Sin confianza, no hay cambio.
