Autor
¿Recuerdas Business Objects? Si es así, quizá entienda a dónde quiero llegar. Nos dirigimos hacia un periodo en el que los grandes modelos lingüísticos (LLM) capaces de crear software de nivel empresarial se convertirán cada vez más en productos básicos. Es una hazaña tecnológica impresionante, sin duda, pero también es una potencial carrera a la baja.
¿Por qué? Porque mientras todos están ocupados mostrando sus últimos trucos de salón AI , se están perdiendo la verdadera mina de oro: el propio data .
Vamos a desglosarlo:
Consideremos este escenario en el mundo de los bienes de consumo: Compañia A y Compañia B tienen acceso al mismo LLM avanzado para la previsión de la demanda. Compañia A dispone de años de ventas limpias y armonizadas en data, con información contextual sobre promociones, condiciones meteorológicas y opinión de las redes sociales. Compañia B tiene un data disperso e incoherente almacenado en varios sistemas. ¿Qué Compañia cree que podrá hacer predicciones más precisas?
Lo cierto es que sin data correctamente depurado, armonizado y modelizado, las empresas no podrán sacar el máximo partido de la revolución AI . Puedes tener un potente AI al alcance de la mano, pero si lo alimentas con data de mala calidad, sólo obtendrás conocimientos de mala calidad.
Por eso, la verdadera carrera no consiste en ver quién implanta AI más rápido, sino en ver quién pone orden en data . Se trata de crear una sólida infraestructura data que pueda alimentar estas nuevas y potentes herramientas AI . Porque, al fin y al cabo, AI es sólo el motor y data es el combustible que lo hace funcionar.
En el sector de los bienes de consumo, esto podría significar la diferencia entre:
Así que mientras sus competidores persiguen el último chatbot o la herramienta de redacción AI , recuerde: el valor real reside en su data. La pregunta es: ¿estás preparado para desbloquearlo?
El viaje a Data: La nueva frontera
Todos hemos oído hablar del "viaje a la nube". Fue la palabra de moda durante casi una década. Pero, ¿ahora? Nos embarcamos en una expedición aún más crítica: el viaje a data.
No se trata de una tendencia tecnológica más. Se trata de un cambio fundamental en la forma en que las empresas operan, innovan y compiten. Y si no estás a bordo, podrías quedarte en la cuneta.
¿Qué aspecto tiene este viaje en la práctica? Se trata de pasar de fuentes data dispares y aisladas a un ecosistema data unificado y accesible. Se trata de transformar la información en bruto de data en información práctica. Se trata de crear una única fuente de verdad que pueda impulsar todo, desde las decisiones operativas hasta las aplicaciones avanzadas de AI .
Para un CPG Compañia, esto podría significar integrar el punto de venta data con el análisis del sentimiento de las redes sociales, la información de la cadena de suministro y las opiniones de los clientes. Se trata de crear una visión holística de su negocio que le permita detectar tendencias, predecir la demanda e innovar productos más rápido que nunca.
La verdadera propuesta de valor: Es Data, estúpido
La cuestión es la siguiente: AI es tan bueno como el data en el que se forma. Puedes tener el LLM más sofisticado del planeta, pero si no está formado en tu negocio específico data, su valor para tu empresa será limitado en el mejor de los casos.
La verdadera ventaja competitiva reside en liberar el valor de su propiedad data. Se trata de crear una sólida plataforma data que pueda:
Aquí es donde la goma se encuentra con la carretera. Y déjame decirte que no es fácil.
Vamos a desglosarlo:
Agregación: En un CPG típico Compañia, data puede estar repartido entre sistemas ERP, plataformas CRM, herramientas de gestión de la cadena de suministro e innumerables hojas de cálculo Excel. Reunir todo esto es una tarea hercúlea, pero es esencial para obtener una imagen completa de su negocio.
Limpieza y normalización: data en bruto es desordenado. Los distintos sistemas pueden utilizar formatos o convenciones de nomenclatura diferentes. Limpiar este data y estandarizarlo es crucial para cualquier análisis significativo o aplicación de AI .
Accesibilidad: Data sólo es valioso si está en manos de personas que puedan utilizarlo. Esto significa crear interfaces y herramientas que permitan a los usuarios empresariales acceder a data y analizarla sin necesidad de un doctorado en informática.
Calidad, seguridad y conformidad: Una gran data conlleva una gran responsabilidad. Garantizar la exactitud de su data, protegerla frente a filtraciones y cumplir normativas como el GDPR no es negociable.
El reto: Algo más que tecnología
Aquí es donde muchas empresas tropiezan. Piensan que se trata de un reto puramente tecnológico. Pero no lo es. Es un reto organizativo.
He aquí el concepto de malla data . En palabras de Zhamak Dehghani, creador del concepto de malla data : "La mallaData es un enfoque sociotécnico descentralizado para eliminar la dicotomía entre el funcionamiento analítico de data y el funcionamiento empresarial"[^1].
En otras palabras, se trata de acabar con los compartimentos estancos, fomentar una cultura impulsada por data y capacitar a los expertos en la materia para que se conviertan en productores y consumidores de data .
Para ello es necesaria la implicación de toda la empresa. Requiere mejorar las cualificaciones del personal. Y sí, exige una inversión tecnológica significativa.
Pero, ¿cómo se ve esto en la práctica? Imagine un CPG Compañia en el que:
Esta es la promesa de una malla data bien implementada. Pero para llegar hasta ahí hace falta algo más que nueva tecnología. Requiere un cambio fundamental en nuestra forma de pensar y organizarnos en torno a data.
El camino a seguir: Ingeniería de plataformas y creación de modelos
¿A dónde nos dirigimos ahora? En los próximos años, la atención debe centrarse en la ingeniería de la plataforma data y la creación de modelos.
Es decir:
Analicemos cada una de ellas con más detalle:
Invertir en infraestructuras data : Esto va más allá de comprar la última tecnología. Se trata de crear una arquitectura escalable y flexible que pueda crecer con su empresa. Para un CPG Compañia, esto podría significar implementar sensores IoT en su cadena de suministro, establecer canalizaciones en tiempo real data desde los minoristas o crear un lago central data para todo su historial data.
Desarrollar la gobernanza de data : Una gran data conlleva una gran responsabilidad. Se necesitan políticas claras sobre el uso de data , normas de calidad y protocolos de seguridad. Esto es especialmente importante en el sector de los bienes de consumo, en el que se maneja la información confidencial de los clientes data y secretos comerciales potencialmente valiosos.
Construcción y formación de modelos: Aquí es donde se produce la magia. Al entrenar los modelos de AI en su negocio único data, puede crear herramientas predictivas que le proporcionen una ventaja real. Imagina un AI capaz de predecir las tendencias de los productos antes de que se produzcan, o de optimizar tu estrategia de precios en tiempo real en función de multitud de factores.
Fomentar la alfabetización data : Este es quizá el aspecto más difícil, pero también el más gratificante. Se trata de crear una cultura en la que todos, desde el director general hasta el personal de primera línea, comprendan el valor de data y sepan cómo utilizarlo en su trabajo diario.
Es mucho pedir, pero la alternativa es quedarse atrás en un mundo en el que data es el nuevo petróleo, y AI es el motor que funciona con él.
Lo esencial
La revolución de AI no está por llegar, ya está aquí. Los ganadores no vendrán determinados por quién tenga las demos más llamativas de AI . Los verdaderos vencedores serán los que sepan aprovechar eficazmente su data para impulsar un valor empresarial real.
En el mundo de los bienes de consumo, esto puede significar la diferencia entre el lanzamiento de un producto que fracasa y otro que arrasa en el mercado. Podría ser la clave para optimizar su cadena de suministro y capear la próxima crisis mundial. Podría ser lo que le permitiera personalizar las experiencias de sus clientes de un modo que sus competidores solo pueden soñar.
Así que pregúntese: ¿Estás preparado para el viaje a data? Porque esté preparado o no, ya ha empezado. Las plataformas se están construyendo, los modelos se están formando y la carrera está en marcha. ¿Liderará el pelotón o se pondrá al día?
