Fotolia

Evaluar Conozca los pros y contras de las tecnologías, productos y proyectos que está considerando.

Las PyMEs batallan con el uso de datos y la analítica

Las pequeñas y medianas empresas saben que necesitan herramientas de datos y análisis para respaldar las decisiones comerciales, pero pocas empresas pequeñas y medianas pueden comprender completamente los beneficios.

Si bien el análisis se ha convertido en un elemento básico de las grandes empresas, muchas pequeñas y medianas empresas luchan por utilizar los datos para crecer.

Las grandes corporaciones pueden darse el lujo de contratar equipos de científicos de datos y proporcionar software de inteligencia empresarial a los empleados en todas sus organizaciones. Si bien muchas PyMEs recopilan datos que podrían conducir a una mejor toma de decisiones y crecimiento, la utilización de datos es un desafío cuando no hay suficiente efectivo en el presupuesto de TI para invertir en las personas y herramientas adecuadas.

Sintiendo que las PyMEs luchan por usar datos, Onepath, un proveedor de servicios de TI con sede en Kennesaw, Georgia, realizó una encuesta a más de 100 empresas con entre 100 y 500 empleados para evaluar sus capacidades analíticas para el "Reporte de Tendencias de Analítica de Datos de PyMEs Onepath 2020".

Entre los descubrimientos más evidentes, la encuesta reveló que el 86% de las empresas encuestadas que invirtieron en personal y análisis sintieron que no podían explotar completamente sus datos.

Phil Moore, director de servicios de administración de aplicaciones de Onepath, discutió recientemente tanto los resultados de la encuesta como los desafíos que enfrentan las PyMEs al intentar incorporar análisis en su proceso de toma de decisiones.

En la Parte II de estas preguntas y respuestas, habla sobre lo que la falla en la utilización de datos podría significar en última instancia para las PyMEs.

¿Cuál fue la motivación de Onepath para realizar la encuesta sobre las PyMEs y sus esfuerzos de utilización de datos?

Phil Moore

Phil Moore: Para mí, el hallazgo clave fue que teníamos una premisa, una hipótesis y esta encuesta nos ayudó a validar nuestra tesis. Nuestra tesis es que la analítica siempre ha sido un juego de grandes bolsillos: la gente la quiere, pero está fuera del alcance financiero. Se trata del proverbial proyecto de análisis de $ 50.000 a $ 200.000... Nuestro objetivo y nuestra misión es llevar esa analítica al mercado de las PyMEs. Solo teníamos que demostrar nuestra tesis, y esta encuesta prueba esa tesis.

Nos dice que los clientes lo quieren: saben sobre la analítica y la quieren.

¿Cuáles fueron algunos de los hallazgos clave de la encuesta?

Moore: El cincuenta y nueve por ciento dijo que si no tienen análisis, les llevará más tiempo salir al mercado. El 56% dijo que les tomará más tiempo atender a sus clientes sin capacidades analíticas. El cincuenta y cuatro por ciento, un poco más de la mitad, dijo que si no tenían análisis, o cuando no tienen análisis, corren el riesgo de tomar una decisión comercial perjudicial.

Eso nos dice que la gente la quiere... Tenemos personas probando la analítica: el 67% gasta $ 10,000 al año o más, y el 75% gasta al menos 132 horas de trabajo en mantener sus sistemas, pero no obtienen lo que necesitan. Un 86% de los encuestados dijeron que no logran nada cuando le dan una oportunidad a su solución de análisis.

¿Cuáles son los recursos clave de los que carecen estas empresas para utilizar plenamente los datos? ¿Es estrictamente financiero o hay otras cosas también?

Moore: No nos sorprendió, pero lo que no habíamos pensado es que el mercado de las PyMEs simplemente no tiene las habilidades internas. Uno de cada cinco dijo que simplemente no tienen las personas en la empresa para crear los sistemas.

¿Podrían las nuevas tecnologías ayudar a las PyMEs a explotar los datos en toda su extensión?

Moore: Las tecnologías han surgido y madurado, y una de las cosas más importantes en el campo de la tecnología que ayuda a bajar el precio, o hacerlo más disponible, es simplemente pasar a la nube. Una solución de análisis local requiere hardware, y es solo una huella costosa que despegar. Pero con Microsoft y su Azure Cloud y su Office 365, o su oferta de Azure Synapse Analytics, las personas pueden acceder a la tecnología a un precio mucho más barato.

Esa tecnología justo allí lo hace mucho más asequible para el mercado de las PyMEs.

¿Qué pasa con cosas como plataformas de código bajo/sin código, consultas en lenguaje natural, análisis incrustado? ¿Estas desempeñarán un papel en ayudar a las PyMEs a mejorar la utilización de datos para el crecimiento?

Moore: En el mercado de las pequeñas y medianas empresas, están al tanto de cosas como el aprendizaje automático, pero están más cerca del bloqueo central y la tarea de mirar [los indicadores clave de rendimiento], mirando los paneles de efectivo para saber cuánto dinero tienen en efectivo en el banco, mirando su panel de servicio y encontrando a los clientes que están ignorando.

La primera y más fácil que se aplicará a las PyMEs es la de código bajo/sin código, particularmente al tomar sus datos de origen, transformarlos y ponerlos a disposición para el análisis. Antes de código bajo/sin código, es realmente una alternativa de código alto, y ahí es donde se necesita un ejército de programadores y todo lo que están haciendo es mover datos: la secuencia de datos.

Pero habrá un conjunto del mercado PyME que persigue algunas de las otras tecnologías como el aprendizaje automático; hemos visto a algunas personas realmente entusiasmadas con eso. Un ejemplo fue mirar los tickets de [ayuda de TI] en que se están trabajando en la industria de servicios y compararlos con la satisfacción del cliente. Lo que estaban midiendo era la obsolescencia de los boletos, cuántos boletos ignoraba su equipo de servicio y, a medida que se ponían obsoletos, sus clientes se enojarían por falta de servicio. Con el aprendizaje automático, pudieron descubrir que si ignoraban un ticket de impresora durante dos semanas, eso era muy diferente a ignorar un problema de correo electrónico durante dos semanas. Ignorar un problema de correo electrónico durante dos días conduce a una puntuación de satisfacción del cliente horrible. El aprendizaje automático entra y relaciona esas cosas, y eso es muy poderoso. El mercado de pequeñas y medianas empresas llegará allí, pero están comenzando en pasos anteriores y más básicos.

Nota del editor: Este Q&A ha sido editado por brevedad y claridad.

Investigue más sobre Big data (Grandes datos)

Inicie la conversación

Envíenme notificaciones cuando otros miembros comenten sobre este artículo.

Por favor cree un Nombre de usuario para poder comentar.

- ANUNCIOS POR GOOGLE

Close