Entrevista: Cómo se está transformando Nissan en el mundo digital

Dév Rishi Sahani: El término transformación digital está sobreutilizado hasta cierto punto, así que depende de cómo se defina. En Nissan, emprendimos nuestro viaje de transformación digital hace varios años. Nos ha ido bien en la transformación tecnológica, y seguiremos haciéndolo, pero lo más importante para nosotros es seguir el ritmo de los clientes. Toda nuestra atención se centra en lo que llamamos transformación de la experiencia del cliente, y si se mira desde esa perspectiva, los retos están muy claros.

El primer reto tiene que ver con la estructura organizativa u operativa. Pensar en los recorridos de los clientes como un camino lineal es una forma tradicional de visualizar cómo interactúan sus clientes con su marca, pero, en última instancia, se limita a ser muy transaccional y le encierra en silos. Para pasar de las transacciones a las relaciones con los clientes, debemos dejar de fijarnos en las conversiones por pasos o en los traspasos entre estos canales y conectar esos silos.

Dév: A lo largo de mi carrera, tengo la firme convicción de que la cantidad de data disponible siempre irá por delante del apetito de las organizaciones para consumir y actuar sobre esos conocimientos. Esto no es ni malo ni bueno, es simplemente la realidad. A veces la batalla se debe simplemente a que el data entra en conflicto con el curso de acción que se quería seguir.

Pero lo más importante es cuando el análisis no presenta implicaciones o recomendaciones claras: si el data no le dice qué hacer a continuación, es bastante inútil. Aquí es donde la palabra ‘utilización’ adquiere relevancia; desplaza el centro de atención de cuánta gente está utilizando el data a la utilidad. Hemos liderado la adopción de la data dentro de nuestra organización manteniendo una definición clara de su utilidad para nuestros mercados, funciones empresariales y equipos digitales.

En un extremo está el input data, como los cuadros de mando y los sistemas de apoyo que permiten la planificación y la toma de decisiones en sentido ascendente; en el otro extremo está el output data, que son los modelos predictivos y la ciencia data que muestra los resultados operativos de nuestras iniciativas. Lo que une a ambos es una cultura data-driven de prueba y aprendizaje basada en hipótesis.

Dév: En cierto modo ha sido todo nuestro viaje durante los últimos dos o tres años... desarrollando CEDAR, nuestra marca interna para la función analítica data. Son las siglas de Customer Experience Data Analytics and Reporting. Nos ayuda a convertir el data en información, conocimiento y sabiduría. Ahí es donde entran en juego la accionabilidad y la usabilidad.

Durante los dos primeros años, fuimos un poco duros, organizándolo todo. El primer momento ‘¡Eureka!’ fue cuando toda la organización se dio cuenta de que podía mirar el data y ver las tendencias de consumo en 147 mercados. En lugar de hacer suposiciones basadas en muestras de 5.000 personas, digamos, ahora podemos ver cómo interactúan un millón de visitantes, cada minuto de cada día.

Hace un par de años, lanzamos un coche nuevo en un mercado específico y detectamos que se estaban produciendo muchas compras cruzadas entre segmentos. Podíamos ver cuándo los clientes cambiaban de opinión del modelo que pensábamos que comprarían al que realmente compraron. También podíamos determinar quién compraría una transmisión automática o una manual, por ejemplo. Ahora podemos consumir data y ver patrones significativos en el recorrido de compra del consumidor. Queremos saber qué quieren nuestros clientes y responder a ello.

Dév: No fue lo primero que construimos. Empezamos centrándonos en el data: ¿qué preguntas podemos hacer al data? ¿qué respuestas dará el data? Conseguimos hacernos a la idea en el primer año del programa. Luego se trató de ‘democratizar’ este data. Nos dimos cuenta de que tener la data no era el reto, sino darle sentido. Ahí es donde desarrollamos nuestra asociación con Artefact para crear CEDAR home.

CEDAR es una plataforma independiente que funciona en toda Nissan, y en todas las funciones, y contiene muchos cuadros de mando y perspectivas diferentes. Es nuestro centro de experiencia y conocimiento del consumidor, donde nuestra gente acude para ver el mundo como lo ven nuestros clientes. Cualquier persona de la empresa puede acceder a él y, si no dispone de un nombre de usuario, basta con registrarse. Debe resultar tan fácil como navegar por nuestro sitio web.

Y lo que es más importante, como persona data, podemos echar un vistazo a la analítica de CEDAR para entender cómo se está utilizando, dónde están los puntos de fricción, dónde se pierde la gente y qué partes son útiles o no. En lugar de preguntar, sabemos.

Dév: Tenemos mucha gente que toma buenas decisiones, pero la evidencia de que la gente utiliza CEDAR para tomar decisiones diferentes o decisiones que antes no podían tomar es bastante satisfactoria.

Iniciamos este viaje desde una perspectiva centrada en la experiencia del cliente. Queríamos que cualquiera que trabajara en la experiencia del cliente utilizara estos conocimientos. Pero muy rápidamente se ha extendido a equipos de otras funciones como la planificación avanzada de productos y la inteligencia de mercado. Todas estas funciones diferentes, a nivel global y de mercado, conocen CEDAR. Eso en sí mismo nos está dando mucho contexto sobre cómo data se está volviendo más útil en toda nuestra organización y está siendo utilizado por diferentes tipos de funciones empresariales.

Dév: Data no lo es todo; hay que saber sacar provecho de ello. Aquí es donde ayuda contar con el equipo adecuado. Cuando me incorporé a Nissan en noviembre de 2017, había dos personas en la práctica global de data y a partir de ahí crecimos el equipo a través de tres pilares fundamentales - llamados Medir, Optimizar y Predecir.

El pilar de la Medida se encarga de entender cómo organizamos el data y lo convertimos en información. Crecimos de una forma muy colaborativa con asociaciones, como con Artefact y otras empresas. Sabíamos que necesitábamos la máquina para construir eso. El segundo pilar se llama Optimizar y se encarga de realizar experimentos y pruebas data-driven y de aprender, cosa que hacemos mucho. El tercer pilar se llama Predecir, que es el pilar científico data. Tuvimos mucho cuidado de añadirlo al final para asegurarnos de que no nos precipitábamos y traíamos talentos que se aburrirían mucho, muy rápidamente, porque no teníamos los casos de uso adecuados alineados.

Ahora, el equipo directo se encuentra en su mayor parte en el centro global de experiencia del cliente de Londres, junto con algunas personas en nuestra sede central de Yokohama (Japón), y trabajamos con equipos de análisis integrados en todos los mercados.

Dév: El éxito consiste en hacer que el data que generamos sea útil tanto para Nissan como para sus clientes. Eso implica vincular todo lo que hacemos a nuestros KPI organizativos. Podemos atribuir dónde estamos empezando a marcar la diferencia desde una perspectiva organizativa y, del mismo modo, podemos vincularlo a las métricas de calidad del cliente que muestran cómo conseguimos victorias a corto plazo o longevidad a largo plazo. Así es como se ve el éxito del programa de experiencia del cliente. El éxito del programa data consiste en seguir haciéndolo muy sencillo y mantenerlo en crecimiento.