La complejidad logística que puede alcanzar una supply chain de un retailer tal como Aaron´s: retailer especial con 1600 locales en USA y Canadá que vende y alquila muebles, electrónica, electrodomésticos y se ocupa de las entregas, más su plan “rent to own” también recibe de regreso los productos para reparación. Además tienen el canal por la web. Otra versión similar es IKEA

¿Qué tipo de problemática puede tener una empresa así como para tener que recurrir a Data Analytics de una manera estratégica? Para empezar, cualquier demora en obtener información a partir de los datos que tienen es claramente es un punto en contra. No tener suficiente información durante varios días o correr detrás de la información necesaria es otro de los problemas a considerar. Y si cuando finalmente se logra obtenerla, no está en el formato adecuado también se hace difícil utilizarla y retrae de darle un uso más importante y profundo.

¿Qué costos genera esta situación? La dificultad de formalizar decisiones es más costosa sobre todo cuando el panorama se va haciendo más complejo ya sea por crecimiento, por mayor impacto en la cuenta de resultados, por estar a ciegas en lo que piden u opinan los clientes, etc.

También se puede complicar cuando los procesos dejan de ser simples y necesitan, por las mismas razones, hacerse más complejos. Y eso puede concluir en que, en definitiva, se sepa menos de la marcha del negocio con la rapidez que hace falta. Y cuando se identifica el problema se lo necesita investigar y profundizar para tener una comprensión más específica y profunda.

El software, a su vez, tiene que adaptarse a las necesidades reales, para lograr agilidad, rapidez y la capacidad de mostrar a cada uno de los empleados qué información le servirá mejor en su trabajo. Por tanto, también la escalabilidad del software (la solución) requiere que se adapte exactamente a la necesidades específicas.

Carga de los datos en poder de la empresa: es decir, que tenga capacidad de trabajar con todos los datos y consecuentemente de visualizarlos. Capacidad de cargar y trabajar con todos los “Data Warehouse” y los “Cubos” de datos para realizar análisis.

La complejidad creciente de las operaciones genera más demanda de conocer lo que está pasando. Si, por ejemplo, se  quiere a las 8 AM de cada mañana tener disponible toda la información segregada por local, por región, por cliente, por tipo de acuerdo, y por tipo de trabajo de lo que sucedió el día anterior, se necesitan las herramientas y capacidad de adaptación y modificación para moverse y decidir con más información a la mano.

En definitiva, la nueva área de Data Analytics tiene enormes posibilidades y seguramente dos empresa diferentes no harán el mismo tipo de análisis de los datos disponibles. El primer paso a asegurar, es que la estrategia sea el norte que fija el rumbo de los pasos siguientes y luego el análisis de esos datos y la presentación de la información acorde a lo que se quiere mostrar.

Es lo suficientemente importante para entender las tres piezas que conforman este rompecabezas: la estrategia, la capacidad de análisis de los datos para transformarlos en información y la capacidad de mostrar los resultados obtenidos de manera clara y convincente.

Para más información sobre la segunda versión del curso de Data Analytics del IEEC, sugerimos este link: Basics of Data Analytics, y para más información sobre este artículo ver: Aaron´s.

FacebooktwitterlinkedininstagramFacebooktwitterlinkedininstagram

About Author

Ing. Civil (UBA), M. Sc. (Universidad de Berkeley), CPIM y CSCP (APICS), SCOR-P, SCOR International Instructor.

Comments are closed.