CAPÍTULO TRES

ANÁLISIS Y RENDIMIENTO
DEL NEGOCIO
TRANSFORMAR LA CAPACIDAD DE
COMPETIR EN ANÁLISIS EN UNA
VENTAJA COMPETITIVA DURADERA

En la década de 1980, dos consultores de servicios financieros, Richard

Fairbank y Nigel Morris, identificaron un problema importante en la
industria de las tarjetas de crédito, así como una posible solución. El
problema era que la industria carecía de un enfoque en el cliente individual
y la solución llegó en forma de análisis impulsados por la tecnología.
Fairbank y Morris creían que los conocimientos del análisis de datos
permitirían a una empresa descubrir, dirigirse y atender a los clientes de
crédito más rentables, dejando a otras empresas con clientes menos
rentables. Lanzaron esta idea, su "estrategia de mercado basada en la
información", a más de quince bancos minoristas nacionales antes de que
Signet Bank, con sede en Virginia, los contratara para trabajar en su
división de tarjetas bancarias. Signet apenas era un competidor líder en
tarjetas de crédito en ese momento.
Durante los dos años siguientes, el dúo realizó miles de pruebas analíticas
en la base de datos de clientes de Signet, para disgusto de los expertos
anteriores de la empresa, que eran en gran parte intuitivos. Descubrieron que
los clientes más rentables eran personas que tomaban prestadas grandes
cantidades rápidamente y luego pagaban los saldos lentamente. En ese
momento, la industria de las tarjetas de crédito trataba a esos clientes de la
misma manera que trataba a las personas que hacían compras pequeñas y
pagaban sus saldos en su totalidad cada mes. Al reconocer una oportunidad,
el equipo
creó la primera tarjeta de transferencia de saldo de la industria. Como la
primera tarjeta que se enfocó en los deudores como clientes valiosos, no solo
valiosos, rápidamente despegó dentro de la industria. En última instancia, el
éxito de Fairbank y Morris con la analítica llevó a Signet a escindir su división
de tarjetas bancarias como una empresa llamada Capital One.
En la actualidad, Capital One realiza alrededor de ochenta mil experimentos
de marketing por año.
1
año para mejorar su capacidad de dirigirse a clientes individuales. Estas
pruebas proporcionan una manera de costo relativamente bajo para que la
empresa juzgue qué tan exitosos serían los productos y programas antes de
involucrarse en el marketing a gran escala. En su negocio de ahorro, por
ejemplo, Capital One descubrió que sus experimentos en términos de tasas de
interés de CD, incentivos de refinanciación, saldos mínimos, etc., tenían
efectos muy predecibles en las tasas de retención y en la entrada de dinero
nuevo al banco. A través de dichos análisis, el negocio de ahorro aumentó la
retención en un 87 por ciento y redujo el costo de adquirir una nueva cuenta
en un 87 por ciento.
2
83 por ciento.
A través de este enfoque analítico de marketing, Capital One puede
identificar y atender nuevos segmentos de mercado antes que sus pares.
La clave de esta capacidad es el circuito cerrado de pruebas, aprendizaje y
actuación de la empresa ante nuevas oportunidades. El conocimiento de la
empresa de lo que funciona y lo que no forma la base de un activo
estratégico que le permite evitar enfoques y clientes que no darán
resultados. Pocas empresas están realmente preparadas para aplicar los
principios de este enfoque de prueba y aprendizaje, pero toda la capacidad
distintiva de Capital One se basa en él.
La destreza analítica de Capital One ha transformado la organización en
una empresa Fortune 200 con un historial envidiable de crecimiento y
rentabilidad. Los análisis están en el corazón de la capacidad de la empresa
para superar constantemente a sus pares y mantener su ventaja competitiva.
Más recientemente, ha comenzado una iniciativa centrada en la inteligencia
artificial, la última versión de la tecnología analítica. Rob Alexander, CIO de
Capital One Financial, dijo en una entrevista con InformationWeek: “El
aprendizaje automático será una gran área de innovación dentro de la
industria bancaria. . . La banca es un entorno rico en cuanto a la cantidad de
datos, la cantidad de interacciones con los clientes y la complejidad de los
productos y servicios que tiene. Está listo para hacerlo mejor, y el aprendizaje
automático ofrece herramientas para brindar servicios más personalizados y
personalizados.
3
productos para sus clientes.”
 Ahora considere una empresa establecida desde hace mucho tiempo que
también se ha convertido en un competidor analítico: Marriott International,
la firma global de hoteles y resorts. El enfoque de Marriott en la toma de
decisiones y análisis basados en hechos está profundamente arraigado en la
cultura y la tradición corporativa. Como dijo un alto ejecutivo: “Aquí todo
se basa en métricas”. Esta orientación se inculcó ya en la década de 1950,
cuando el fundador J. Willard Marriott solía observar la ocupación de los
automóviles que ingresaban al estacionamiento de su motel para cobrar la
tarifa de una habitación doble, si correspondía.
En los últimos treinta años, Marriott se ha basado en la incursión temprana
de JW Marriott en la gestión de ingresos, que requiere mucha mano de obra, el
proceso mediante el cual los hoteles establecen el precio óptimo para sus
habitaciones (el "inventario" de la industria). La economía es simple: si un
hotel puede predecir los precios más altos que aún conducirán a la ocupación
total, ganará más dinero que si los precios demasiado altos llevaran a
habitaciones desocupadas o si los precios demasiado bajos llenaran el edificio
pero esencialmente dieran dinero. volver a los clientes innecesariamente.
Marriott introdujo la gestión de ingresos en la industria del alojamiento y
durante las últimas tres décadas ha seguido refinando su capacidad con la
ayuda de análisis, incluso cuando la mayoría de los competidores están
constantemente un paso atrás en su capacidad para optimizar los ingresos.
Las mejoras recientes hacen que el sistema funcione más rápido para que
los precios puedan ajustarse fácilmente y con frecuencia para las habitaciones
de hotel, y han permitido a Marriott extender la gestión de ingresos a sus
restaurantes, servicios de catering y espacios para reuniones, un enfoque que
Marriott llama "optimización total del hotel". A fines de 2003, la compañía
comenzó a usar un nuevo sistema de administración de ingresos y comenzó a
usar una nueva métrica, la oportunidad de ingresos, que relaciona los ingresos
reales con los ingresos óptimos. Solo un par de años después, Marriott tenía
una cifra de oportunidades de ingresos del 91 %, frente al 83 % cuando creó la
métrica. Si bien la compañía prefiere que sus franquiciados usen el sistema,
les ha dado a sus "líderes de ingresos" regionales el poder de anular las
recomendaciones del sistema para hacer frente a eventos locales imprevistos.
Un exitoso sistema de administración de ingresos ha ayudado a
Marriott a lograr un desempeño financiero consistentemente sólido.
Marriott emplea un sistema de administración de ingresos para toda la
empresa denominado Rendimiento total. El sistema automatiza los
procesos comerciales asociados con la optimización de los ingresos de
más del 97 por ciento de las casi seis mil propiedades de la empresa.
 Marriott ha estado siempre entre las cadenas hoteleras más rentables, y
los ejecutivos y analistas de inversiones atribuyen gran parte de su éxito a
la gestión analítica de los ingresos. La empresa ha ampliado la gestión de
ingresos antes que la mayoría de los competidores a áreas adicionales del
negocio, incluidos alimentos y bebidas y fijación de precios de
habitaciones para grupos.
Además de la gestión de ingresos, Marriott ha incorporado análisis en
varios otros procesos orientados al cliente. La compañía ha identificado a
sus clientes más rentables a través de su programa de lealtad Marriott
Rewards y les dirige ofertas y campañas de marketing. Es un gran usuario
de análisis web y fue pionero en el uso de análisis de redes sociales en la
industria hotelera. En parte como resultado de la destreza analítica de
Marriott, la compañía ha sido nombrada la firma más admirada en su
industria durante dieciséis años consecutivos en el ranking de la revista
Fortune.
Otro competidor analítico cuyas innovaciones lo han mantenido por
delante de sus rivales es Progressive. Los altos directivos de Progressive
buscan sin descanso mercados de seguros y modelos de negocio no
descubiertos que han sido ignorados por empresas que solo realizan
análisis de datos convencionales.
Progressive fue la primera compañía de seguros en ofrecer seguros de
automóviles en línea en tiempo real y la primera en permitir comparaciones
de tarifas en línea: la compañía tiene tanta confianza en su fijación de precios
que asume que las compañías que ofrecen precios más bajos
4
las tarifas están asumiendo clientes no rentables. Incluso ha sido pionera en
un programa que ofrecería descuentos a los conductores más seguros que
usaran voluntariamente la tecnología Snapshot de la compañía para medir
factores como la frecuencia con la que hacen paradas repentinas y el
porcentaje de tiempo que conducen más de 75 millas.
5
por hora. Al profundizar en la información del cliente y hacerlo más
rápido y antes que la competencia, la empresa descubre nuevas
oportunidades y las explota antes de que el resto de la industria se dé
cuenta. Estas y otras tácticas han permitido que Progressive continúe
prosperando en un mercado altamente competitivo, con una capitalización
de mercado de más de $19 mil millones.
 Los competidores analíticos realizan miles de experimentos analíticos
anualmente. Ben Clarke en Fast Company estimó la cantidad de
experimentos anuales en varias firmas analíticas:
Intuit: 1300, P&G: 7000–10 000, Google: 7000, Amazon: 1976 y
Netflix: 1.000. Y no es solo la cantidad lo que está aumentando, sino la
calidad y
 ritmo de experimentación, también. En estos días, la verdadera prueba
de cuán innovadora puede ser una empresa es qué tan bien
experimenta.
[. . .] El jefe de Amazon, Jeff Bezos, ha dicho: “Nuestro éxito en
Amazon está en función de cuántos experimentos hacemos por año, por
mes, por semana, por día. . . Hemos tratado de reducir el costo de hacer
experimentos para poder hacer más de ellos. Si puede aumentar el
número de experimentos que intenta de cien a mil, aumenta
drásticamente la
6
número de innovaciones que produce”.
¿Qué tienen en común las historias de Amazon, Capital One, Marriott
International y Progressive? Demuestran no solo el concepto de competir
en análisis, sino también la conexión entre el uso extensivo de análisis y el
rendimiento comercial. En este capítulo, exploraremos esos vínculos con
mayor detalle y describiremos cómo varias empresas de gran éxito han
transformado su capacidad para competir en análisis en un punto clave de
diferenciación y ventaja competitiva duradera.

Evaluación de la evidencia
Muchos investigadores han descubierto que los procesos de decisión basados
en hechos son fundamentales para un alto rendimiento. En Good to Great,
por ejemplo, Jim Collins señala que “los resultados destacados surgen de una
serie de buenas decisiones, ejecutadas diligentemente y acumuladas una
encima de otra. . . [Las empresas buenas a excelentes] tomaron muchas más
decisiones buenas que malas, y tomaron muchas más decisiones buenas que
las empresas de comparación. . . Infundieron todo el proceso con los hechos
brutales de la realidad. . . Usted absolutamente no puede hacer una
7
serie de buenas decisiones sin confrontar primero los hechos brutales”.
Los investigadores también han comenzado a documentar los rendimientos
que las empresas pueden obtener de las inversiones en tecnologías o
iniciativas analíticas específicas. Por ejemplo, la empresa de investigación
tecnológica International Data Corporation (IDC) descubrió en un estudio que
los proyectos analíticos destinados a mejorar la producción tenían un ROI
medio del 277 %; aquellos relacionados con la gestión financiera tuvieron un
ROI medio del 139 por ciento; y los centrados en la relación con el cliente
8
gestión, un ROI medio del 55 por ciento. El estudio también mostró que el
ROI promedio para proyectos de análisis que utilizan tecnologías predictivas
fue de 145
por ciento, en comparación con un ROI medio del 89 por ciento para
proyectos sin
9
ellos. Nucleus Research, una empresa que investiga el valor de TI, informó
en 2014 sobre un estudio de varios años sobre el retorno de las inversiones en
análisis. Encontró que
10
un dólar gastado en análisis arrojó un promedio de $13.
De manera similar, la consultora Bain & Company encuestó a
cuatrocientas grandes empresas de todo el mundo en 2013 y preguntó a los
ejecutivos encuestados sobre las capacidades analíticas de sus empresas.
Los consultores concluyeron que solo el 4 por ciento de las empresas eran
"realmente buenas en análisis". Pero esos competidores analíticos eran:
El doble de probabilidades de estar en el cuartil superior de desempeño
financiero dentro de sus industrias
Tres veces más probabilidades de ejecutar las decisiones
según lo previsto Cinco veces más probabilidades de tomar
11
decisiones más rápido.
Para llenar los vacíos de evidencia sobre el efecto de la analítica en el
desempeño empresarial, realizamos dos encuestas: la primera una muestra
detallada de treinta y dos organizaciones que calificamos en términos de sus
orientaciones analíticas, y la segunda una encuesta mucho más grande. de
empresas que habían realizado importantes inversiones en sistemas
empresariales. En la primera encuesta, calificamos la etapa de madurez
analítica de cada empresa (la misma escala de cinco puntos descrita
enCapitulo 2, donde 1 equivale a desafíos importantes para la competencia
analítica y 5 indica dominio analítico). Luego reunimos datos de rendimiento
financiero de todos los participantes de la encuesta. Después de realizar un
análisis estadístico de los datos, encontramos una correlación significativa
entre niveles más altos de madurez analítica
12
y sólidas tasas de crecimiento anual compuestas de cinco años.
En el segundo estudio, encuestamos a más de 450 ejecutivos en 371
empresas grandes y medianas. Limitamos este estudio a aquellas empresas
que ya habían implementado al menos dos módulos de un sistema
empresarial y, por lo tanto, tenían suficiente cantidad y calidad de datos de
transacciones disponibles.
13
para analizar. Esas empresas representaban dieciocho industrias en
14
treinta y cuatro países. Este estudio fue una continuación de un estudio
15
anterior sobre el valor de los sistemas y análisis empresariales.
 En la gran encuesta, encontramos una relación directa entre los sistemas
empresariales y la toma de decisiones. Por ejemplo, aunque muchas
organizaciones inicialmente invierten en sistemas empresariales para
mejorar la eficiencia y optimizar los procesos, descubrimos que el ahorro
de costos no era su objetivo principal. En ambos estudios, la mayoría (53
por ciento) de los encuestados identificaron la "mejora en la toma de
decisiones" como uno de sus tres principales objetivos comerciales. Para
ayudar a los gerentes a tomar decisiones más informadas y más rápidas,
las organizaciones inicialmente invierten en sistemas empresariales para
brindar datos confiables a nivel de transacción y "una versión única de la
verdad", un precursor importante para desarrollar una capacidad analítica.
Una vez que una empresa ha establecido una base sólida de datos de
transacciones de alta calidad,
También descubrimos que las empresas se vuelven más analíticas con el
tiempo y desarrollan su compromiso con la analítica. En el primer estudio,
casi la mitad (45 por ciento) de las empresas que encuestamos informaron
que tenían capacidades analíticas mínimas o nulas. Sin embargo, cuatro
años después, solo el 8 por ciento dijo que carecía de capacidades
analíticas básicas. Casi todas las grandes empresas tienen esas capacidades
en la actualidad.
De manera similar, la cantidad de organizaciones con capacidades
analíticas significativas o avanzadas respaldadas por información de
administración extensa e integrada se duplicó del 28 por ciento al 57
por ciento.
Lo que es más importante, encontramos (y estudios posteriores
realizados por otros investigadores lo han confirmado) una sorprendente
relación entre el uso de la analítica y el rendimiento empresarial. Cuando
comparamos las respuestas de los de alto desempeño (aquellos que
superaron a su industria en términos de ganancias, rendimiento de los
accionistas y crecimiento de los ingresos, alrededor del 13 por ciento de la
muestra) con las de los de bajo desempeño (16 por ciento de la muestra),
encontramos que el La mayoría de las empresas de alto rendimiento aplican
estratégicamente la analítica en sus operaciones diarias. Y alrededor del 10
por ciento de los ejecutivos mencionaron el análisis como un elemento
clave de la estrategia de su empresa. Los de alto rendimiento tenían un 50
% más de probabilidades de utilizar análisis de forma estratégica en
comparación con la muestra general y cinco veces más probabilidades que
los de bajo rendimiento.
Además, descubrimos una asociación estadística significativa entre el
compromiso de una organización con el análisis y el alto rendimiento.
Empresas con fuertes orientaciones analíticas (aquellas que respondieron
con un 4 o 5 en todos
nuestras preguntas) representó el 25 por ciento de la muestra
(noventa y tres empresas), y sus orientaciones se correlacionaron
altamente con las finanzas.
desempeño superior en términos de ganancias, ingresos y rendimiento para
dieciséis
los accionistas. De hecho, una de las diferencias más fuertes y más
consistentes entre las empresas de bajo y alto rendimiento es su actitud hacia
las aplicaciones de las mismas.
17
análisis (verfigura 3-1). Por ejemplo, el 65 por ciento de los empleados
de alto rendimiento indicaron que tienen capacidades significativas de
apoyo a la toma de decisiones o de análisis en tiempo real frente al 23 por
ciento de los de bajo rendimiento. Solo el 8 % de los de bajo rendimiento
valoraron en gran medida los conocimientos analíticos, en comparación con
el 36 % de los de mejor rendimiento. Y mientras que un tercio de los de
bajo rendimiento en nuestro estudio creen que tienen una capacidad
analítica superior al promedio dentro de sus industrias, el 77 por ciento de
los de alto rendimiento creen eso. Por último, el 40 % de las empresas de
alto rendimiento emplean análisis en general en toda su organización, pero
solo el 23 % de las empresas de bajo rendimiento lo hacen.

FIGURA 3-1

Importancia de la orientación analítica:

Alto rendimiento frente a bajo rendimiento, 2006
 Estudios posteriores llegaron a conclusiones similares. En 2010, MIT Sloan
Management Review e IBM analizaron datos de tres mil ejecutivos en más de
cien países y treinta industrias. Llegaron a la conclusión de que “las
organizaciones con mejor desempeño usan análisis cinco veces más que las
organizaciones con menor desempeño”.
artistas intérpretes o ejecutantes Las empresas de mejor desempeño
abordan las operaciones comerciales de manera diferente a sus pares.
Específicamente, utilizan la analítica en la gama más amplia posible de
decisiones, grandes y pequeñas. Tenían el doble de probabilidades de
usar análisis para guiar estrategias futuras y el doble de probabilidades
de usar conocimientos para guiar las operaciones diarias. Toman
decisiones basadas en rigurosos
18
análisis a más del doble de la tasa de los de menor rendimiento”.
Después de concluir un estudio de siete años de datos de 864 encuestados
en nueve países y ocho industrias, Accenture y el profesor David Simchi-
Levi del Instituto de Tecnología de Massachusetts (MIT), en 2015
concluyeron que “cuanto más fuerte es el compromiso de una empresa con
la analítica, más más alto el desempeño de esa compañía” (verfigura 3-2).

FIGURA 3-2

Importancia de la orientación analítica:

Alto rendimiento frente a bajo rendimiento, 2015

Fuente: Estudio de Accenture/MIT, Winning with Analytics, 2015.

Entre sus hallazgos se encuentran que, en comparación con los de bajo
rendimiento:
 El doble de empresas de alto rendimiento utilizan análisis en
áreas clave para respaldar la toma de decisiones.
El doble de empresas de alto rendimiento están incorporando
análisis en la toma de decisiones que aprovechan el aprendizaje
automático.
Los profesionales de alto rendimiento incorporan conocimientos
analíticos predictivos en los procesos comerciales clave a un ritmo
más alto y siguen monitoreando las decisiones y corrigiendo el curso
según sea necesario.
Las empresas de alto rendimiento tienen tres veces más probabilidades
de invertir una parte sustancial de su gasto en tecnología en análisis.
Además, más del doble de las empresas de alto desempeño están
gastando más en inversiones en capital humano analítico a través de
capacitación, inversiones en personas y el uso de
19
consultores
La amplitud y consistencia de las asociaciones descritas anteriormente
sugieren la sabiduría de invertir en análisis para cualquier organización que
busque mejorar el desempeño. Además, nuestra investigación confirma que,
si bien relativamente pocas empresas han adoptado la analítica como una
capacidad competitiva, muchas más aspiran a hacerlo. Los líderes de estas
empresas se han comprometido a invertir en análisis como un medio para
mejorar el rendimiento empresarial.

La analítica como fuente de ventaja competitiva

Los escépticos pueden burlarse de que los análisis no pueden
proporcionar una ventaja competitiva sostenible, porque los competidores
pueden adoptar cualquier perspectiva o análisis. Y es cierto que una
percepción individual puede proporcionar solo beneficios transitorios. La
gestión del rendimiento proporcionó un gran impulso a American
Airlines durante un tiempo, por ejemplo, pero usar ese proceso ahora es
solo un costo de hacer negocios en la industria de las aerolíneas.
Las organizaciones pueden adoptar varios enfoques para obtener una
ventaja competitiva con los datos. Algunos pueden recopilar datos únicos a lo
largo del tiempo sobre sus clientes y prospectos que los competidores no
pueden igualar. Otros pueden organizar, estandarizar y manipular datos que
están disponibles para otros de una manera única. Incluso otros podrían
desarrollar un algoritmo patentado que conduzca a análisis mejores y más
perspicaces sobre los cuales tomar decisiones. Y algunos se diferencian al
incorporar análisis en un proceso comercial distintivo.
Cada vez más, tanto los datos como los análisis se incorporan a
productos y servicios innovadores.
Independientemente del enfoque, para que las empresas mantengan una
ventaja competitiva, los análisis deben aplicarse juiciosamente, ejecutarse
bien y renovarse continuamente. Las empresas que compiten con éxito en
análisis tienen capacidades analíticas que son:
Difícil de duplicar.Una cosa es copiar las aplicaciones de TI de otra
empresa o sus productos y sus atributos relacionados (como precio,
ubicación o promoción), y otra muy distinta replicar procesos y
cultura. Por ejemplo, otros bancos han tratado de copiar la estrategia
de experimentación y prueba de Capital One, pero no han tenido tanto
éxito. Los bancos que han tenido éxito con una estrategia similar,
como Barclays en el Reino Unido, han descubierto su propia ruta
hacia la competencia analítica. Mientras que Capital One busca
incansablemente nuevos clientes, Barclays aprovecha el análisis para
aumentar la "participación de la cartera" mediante la venta cruzada a
su gran base de clientes.
Único.No existe un único camino correcto a seguir para convertirse en
un competidor analítico, y la forma en que cada empresa utiliza el
análisis es única para su estrategia y posición en el mercado. Por
ejemplo, en la industria del juego, Caesars utiliza análisis para alentar
a los clientes a jugar en una variedad de sus ubicaciones. Esto tiene
sentido para Caesars, porque durante mucho tiempo ha tenido sus
casinos repartidos por los Estados Unidos. Pero ese enfoque
claramente no sería el adecuado para un solo casino, como Foxwoods
Resort Casino en Connecticut. También es menos atractivo para el
empresario de casinos Steve Wynn, quien ha traducido su sentido
intuitivo del estilo y el lujo en los resorts de destino Encore y Wynn.
Capaz de adaptarse a muchas situaciones.Una organización analítica
puede cruzar fronteras internas y aplicar capacidades analíticas de
manera innovadora. Sprint, por ejemplo, adaptó fácilmente su
experiencia analítica en marketing para mejorar sus procesos de capital
humano. La empresa aplicó su modelo de "ciclo de vida de la
experiencia del cliente" para crear un modelo análogo de "ciclo de
vida de la experiencia del empleado" que ayudó a optimizar la
adquisición y retención de empleados.
 Mejor que la competencia.Incluso en industrias donde prevalecen la
experiencia analítica y los datos consistentes, algunas organizaciones
son mejores que otras para explotar la información. Si bien todas las
empresas de servicios financieros tienen acceso a la información de
riesgo del consumidor de FICO, por ejemplo, Capital One tiene
habilidades y conocimientos analíticos que le permiten superar al
mercado al tomar decisiones más inteligentes sobre clientes de
crédito potencialmente riesgosos. Los gerentes de la empresa se
refieren al concepto de reducción del promedio: ¿cómo pueden
desglosar una categoría o una métrica para obtener una mayor ventaja
analítica?
Renovable.Cualquier ventaja competitiva debe ser un objetivo móvil,
con mejora continua y reinversión. Los análisis se adaptan
particularmente bien a la innovación y renovación continuas.
Progressive, por ejemplo, describe su ventaja competitiva en términos
de la agilidad que gana a través de un enfoque analítico disciplinado.
Cuando los competidores se dan cuenta de que Progressive se ha
dirigido a un nuevo segmento, como los conductores de motocicletas
mayores, ha capturado el mercado y ha pasado a la siguiente
oportunidad. Cuando otras aseguradoras adoptaron su enfoque de
fijación de precios basado en puntajes de crédito, estaba trabajando en
su sistema Snapshot de pago por manejo.
Una advertencia: las empresas en industrias fuertemente reguladas, o en
aquellas para las que la disponibilidad de datos es limitada, se verán limitadas
a la hora de explotar la analítica al máximo. Por ejemplo, fuera de los Estados
Unidos, las empresas farmacéuticas no pueden obtener datos sobre recetas de
médicos individuales. Como resultado, las actividades de marketing
farmacéutico en otras partes del mundo son generalmente mucho menos
analíticas que las de las empresas que venden en el mercado estadounidense.
Pero en otros casos, la analítica puede transformar de manera permanente y
abrupta una industria o un proceso. Como señala Michael Lewis, autor de
Moneyball y The Big Short, al hablar sobre la banca de inversión: “La
introducción de derivados y otros nuevos instrumentos financieros trajo
niveles sin precedentes de complejidad y variación a las empresas de
inversión. La escuela vieja, Los chicos de instinto que sabían cuándo comprar
y cuándo vender estaban viendo cómo los jóvenes MBA (o peor aún, los
doctorados del MIT) aportaban un nivel de análisis y capacidad mental sin
precedentes al trading. Dentro de
20
10 años, la vieja guardia se había ido”.
Analítica en el Gobierno
No hemos escrito mucho hasta ahora sobre análisis en el gobierno, porque
nuestro enfoque en este libro es cómo compiten las organizaciones, y las
organizaciones gubernamentales no hacen eso en el sentido convencional
del término. La única área en la que los gobiernos nacionales compiten es la
guerra, y probablemente no sea sorprendente que los primeros usos de la
analítica en el gobierno involucraran la defensa nacional. Las primeras
computadoras se desarrollaron para calcular cosas como las trayectorias de
los misiles, y Robert McNamara introdujo una amplia gama de enfoques
analíticos para el ejército, no siempre con éxito, cuando era secretario de
defensa en la década de 1960. En el entorno militar actual, los análisis se
utilizan ampliamente para la inteligencia militar, incluido el análisis
automatizado de comunicaciones de texto y voz (a veces con considerable
controversia pública).
Hoy, sin embargo, los análisis se usan ampliamente en muchos niveles de
gobierno, desde local hasta estatal y federal. Puede que no necesariamente
aumenten la capacidad de los gobiernos para competir, pero ciertamente
pueden hacer que los gobiernos sean sustancialmente más eficientes y
efectivos. A nivel local, por ejemplo, quizás el logro más impresionante de la
analítica ha sido el uso del análisis de estadísticas delictivas para disuadir a
los delincuentes. En la ciudad de Nueva York, el programa CompStat asocia
los delitos con regiones geográficas particulares de la ciudad y se utiliza para
guiar las decisiones sobre dónde deben estar estacionados los agentes de
policía. También está relacionado con un esfuerzo por llevar las decisiones al
nivel del distrito electoral. CompStat ha sido ampliamente elogiado por
contribuir a la reducción de la delincuencia en Nueva York desde su creación.
Sin embargo, varios otros factores cambiaron durante el mismo tiempo,
21
efectos solos.
Más recientemente, el Domain Awareness System (DAS), una iniciativa
conjunta entre el Departamento de Policía de Nueva York y Microsoft,
ahora se vende a otras ciudades. El sistema aprovecha el poder del análisis
de big data para resolver crímenes más rápido y prevenir ataques
terroristas. La cantidad de sensores y otros datos recopilados para fines de
DAS es asombrosa, e incluye:
Imágenes de nueve mil cámaras de video de circuito cerrado
 Más de 2 mil millones de lecturas de matrículas de quinientos lectores
de toda la ciudad
Seiscientos sensores químicos y de radiación fijos y móviles
(generalmente usados por los oficiales)
Una extensa red de detectores de disparos de audio ShotSpotter que
cubre veinticuatro millas cuadradas
Datos de voz a texto de 54 millones de llamadas al 911 de ciudadanos.
El sistema también puede extraer datos de los registros de delitos
internos de la policía de Nueva York, incluidas 100 millones de
22
citaciones.
En otras partes de los Estados Unidos, varios departamentos de policía de
la ciudad están utilizando análisis predictivos para combatir el crimen y
desplegar su personal donde pueden tener el mayor impacto. En Atlanta, el
crimen agregado disminuyó en un 19 por ciento
23
una vez que se adoptó una solución policial predictiva. Los Ángeles
experimentó una reducción del 33 por ciento en robos y una reducción del 21
por ciento en violencia
24
delitos en los barrios de la ciudad utilizando el modelo predictivo.
Más allá de la prevención del delito, existen muchas aplicaciones
posibles para el análisis a nivel estatal, algunas de las cuales pueden
generar ahorros sustanciales cuando se aplican de manera efectiva. Varios
estados, incluido Massachusetts, han buscado enfoques de optimización de
ingresos que han generado cientos de millones de dólares. Estos se aplican
a los pagos de impuestos y no impuestos. Los estados también han buscado
la detección de fraudes para reducir los pagos indebidos de asistencia
social, tarjetas de compra, Medicare y Medicaid. Los departamentos
estatales de recursos naturales han utilizado enfoques analíticos para
modelar y optimizar recursos como minerales, gas y petróleo, y parques.
El cumplimiento del contribuyente fue una de las primeras aplicaciones de
análisis no relacionadas con la defensa del gobierno federal de EE. UU. El
Servicio de Impuestos Internos (IRS, por sus siglas en inglés) inició el
Programa de Medición del Cumplimiento de los Contribuyentes en 1963 para
analizar qué contribuyentes probablemente estaban defraudando sus
impuestos y cerrar el
 25
“brecha fiscal” entre lo que se paga y lo que debería ser. Fue un
programa efectivo para el IRS, pero la recopilación de datos se consideró
demasiado costosa e invasiva y se suspendió en 1988. El IRS reavivó sus
esfuerzos analíticos con el Programa Nacional de Investigación en 2000 y
continúa usándolo como base para analizar el cumplimiento y para
identificar los rendimientos de auditoría.
 Una de las aplicaciones más importantes de la analítica en el gobierno
involucra la atención médica. Este es un gasto importante para el gobierno
federal, su mayor categoría de gastos no relacionados con la defensa.
Medicare y Medicaid son pagados por el gobierno de los EE. UU. pero son
administrados por los estados. Un gran programa médico que se ejecuta a
nivel federal son los hospitales del Departamento de Asuntos de Veteranos
(VA). El VA ha empleado registros médicos electrónicos y análisis basados en
ellos para convertirse en uno de los proveedores de atención médica más
efectivos de los Estados Unidos. Como se describió en un artículo de
BusinessWeek sobre los hospitales de VA titulado “La mejor atención médica
en los EE. el estadounidense Kizer también descentralizó la toma de
decisiones,
26
medidas de calidad.”
Los hospitales de VA emplean enfoques analíticos tales como modelos
predictivos de enfermedades crónicas, medicina basada en evidencia,
decisiones automatizadas para protocolos de tratamiento y recetas de
medicamentos, y muchos otros. La experiencia de VA es una de las mejores
indicaciones de que la analítica puede tener tanto efecto en el gobierno
como en el sector privado.
Si bien los hospitales de VA han recibido críticas sobre el tiempo que los
veteranos han tenido que esperar para las citas, su nivel de atención en
general se ha mantenido alto. En 2014, Robert McDonald, ex director
ejecutivo de Procter & Gamble y un firme defensor de la analítica, fue
nombrado Secretario de Asuntos de Veteranos. Entre otras iniciativas
basadas en datos, estableció una División central de análisis de datos para
que la experiencia analítica esté disponible en todo VA.
Los gobiernos de todo el mundo están adoptando cada vez más el análisis
predictivo. Singapur tiene una iniciativa de planificación urbana integrada
llamada “Nación inteligente” que está transformando la forma en que se
toman decisiones de política pública sobre temas que van desde lo estratégico
(p. ej., planificación económica) hasta lo operativo (p. ej., planificación del
transporte) y lo táctico (p. ej., determinar qué libros almacenar). en
27
bibliotecas locales). Las agencias gubernamentales, como la Autoridad
de Impuestos y Aduanas de Irlanda, utilizan modelos predictivos para
detectar declaraciones de impuestos fraudulentas y, por lo tanto,
 28
aumentar los ingresos. Las fuerzas policiales del Reino Unido,
Singapur, los Países Bajos, Uruguay, Brasil, Chile y los Emiratos Árabes
Unidos están
comenzando a utilizar análisis predictivos para resolver y disuadir la
29
actividad delictiva.
El personal de los servicios de emergencia en Filipinas utiliza análisis
30
predictivos para mejorar su preparación ante desastres naturales.

Al servicio del mercado de productos y

servicios analíticos
Si bien nuestro enfoque en este libro es cómo las empresas pueden usar la
analítica para optimizar los procesos comerciales clave, hay otra forma de
beneficiarse de la analítica: poniendo a disposición de los clientes
productos o servicios analíticos directamente, ya sea como una oferta
independiente o para aumentar otros. productos y servicios. Para las
empresas en condiciones de considerar esta opción, hacemos un breve
desvío aquí.
Este enfoque en los productos de datos (que también incluyen
invariablemente análisis) alcanzó su mayoría de edad durante la era de
Analytics 2.0, como mencionamos en la introducción. Quizás la empresa
más conocida de esa época que aumenta sus ofertas con análisis es Google.
Además de proporcionar análisis para la búsqueda, que analizamos
enCapítulo 4, y a los anunciantes, que describimos enCapítulo 5, Google
adquirió un negocio de análisis web en 2005 y ahora pone su servicio
Google Analytics a disposición de cualquier persona, proporcionando datos
y herramientas analíticas que se pueden utilizar para la optimización de
motores de búsqueda (SEO), mejorando la participación del cliente,
aumentando los clics y otras iniciativas de marketing. . La empresa ofrece
Google Analytics con un modelo de negocio único: regala muchos servicios
de forma gratuita (aunque tiene una versión “premium” con analíticas más
sofisticadas). El objetivo de Google al ofrecer el servicio analítico es
mejorar la comprensión de la web e Internet proporcionando métricas sobre
los resultados del sitio web y el comportamiento del usuario. En lugar de
competir con otros proveedores de análisis web, Google busca "levantar
todos los barcos" y educar a los editores web y anunciantes sobre si sus
esfuerzos están funcionando y cómo beneficiarse de este canal
relativamente nuevo. Cuantas más personas utilicen bien el análisis web,
mejor será la experiencia web general y Google se beneficiará a largo
plazo. Google incluso proporciona una "Academia de análisis" en línea para
enseñar los principios básicos del análisis web, además de publicar un blog
y artículos en línea, ofrecer seminarios web y brindar oradores públicos
sobre análisis web.
 Como mencionamos en la introducción, las grandes empresas también
han comenzado a crear productos y servicios basados en datos y análisis.
GE, por ejemplo, ha hecho una apuesta multimillonaria en la “internet
industrial”, que incluye aplicaciones como el mantenimiento predictivo de
turbinas, motores a reacción y locomotoras; optimización de rutas para
locomotoras; y análisis clínicos en
31
cuidado de la salud. Verizon Wireless analizará los datos de ubicación
de los teléfonos móviles de sus clientes en nombre de los deportes, el
entretenimiento y el alojamiento.
32
empresas para permitirles orientar mejor sus anuncios y ofertas. ofertas
philips
a servicio basado en análisis predictivo llamado CareSage que permite que
los sistemas de salud monitoreen y atiendan a pacientes mayores al
recopilar datos de dispositivos portátiles y monitores domésticos (propios y
de la competencia). Identifica a los pacientes con mayor probabilidad de
tener problemas de salud para que los médicos puedan intervenir antes de
que ocurran problemas u hospitalizaciones. En resumen, si su organización
genera datos que son relevantes para los clientes, es posible que desee
descubrir la mejor manera de analizarlos y ponerlos a disposición de esos
clientes en productos y servicios significativos.
Las firmas de inversión financiera, por supuesto, fueron de las primeras en
emplear la analítica como un elemento central de sus servicios. El comercio
algorítmico se usa en toda la industria, y la sensación general es que las
decisiones en ese sector involucran demasiados datos y deben ocurrir
demasiado rápido para que las tomen humanos. Los fondos de cobertura
como Bridgewater Associates, Renaissance Technologies, Two Sigma y
otros se basan en análisis para tomar casi todas las decisiones comerciales y,
como resultado, les ha ido bien. Como lo expresó un artículo reciente: “Los
fondos cuantitativos como los administrados por Two Sigma y Renaissance
Technologies han estado registrando rendimientos sólidos en los últimos
años, mientras que la mayoría de las otras estrategias de fondos de cobertura
se centraron en las decisiones comerciales.
33
de los seres humanos han luchado poderosamente.” Los líderes de estos
fondos de cobertura se encuentran entre los empresarios mejor
remunerados del mundo y, a menudo, ganan miles de millones de dólares
al año.
El paso a la analítica también se ha reflejado en el auge de la consultoría
analítica. Accenture, Deloitte, IBM Global Services y muchas otras empresas
han identificado la consultoría analítica como un área de crecimiento en
respuesta a las demandas de los clientes. Los consultores de estas firmas
ayudan a los clientes a abordar los asuntos estratégicos generales en torno a
la construcción de una capacidad analítica, o brindan asistencia para
desarrollar y respaldar una iniciativa comercial particular (por ejemplo, un
programa de fidelización de clientes). Con frecuencia adaptan soluciones
para industrias específicas,
como suscripción automatizada en servicios financieros. Los consultores
orientados cuantitativamente se especializan en soluciones comerciales
analíticamente intensivas, como la optimización de la cadena de suministro,
mientras que los especialistas en gestión de la información ayudan a los
clientes a desarrollar un entorno técnico analítico sólido. Los consultores con
industrias particulares y especialidades funcionales (por ejemplo, marketing o
cadena de suministro) trabajan en estrecha colaboración con los clientes,
mientras que aquellos con habilidades puramente técnicas o estadísticas se
basan cada vez más en el extranjero, particularmente en la India.
A veces, las empresas de negocios analíticos asumen tareas relacionadas,
como la gestión de datos y la consultoría. En el sector minorista, Dunnhumby
(que se describe a sí misma como una empresa de "ciencia del cliente" que
utiliza datos y ciencia para ayudar a los minoristas a deleitar a los clientes y
generar lealtad) trabajó en estrecha colaboración con Tesco en el desarrollo
del programa de lealtad Clubcard del gigante minorista de comestibles, una
herramienta importante en la capacidad de esa empresa para usar datos para
optimizar su combinación de productos (para obtener más información sobre
Tesco, consulteCapítulo 5). La compañía también ha trabajado de cerca con
Kroger en los Estados Unidos en programas de lealtad similares.
Catalina también vende servicios analíticos a la industria de comestibles
que la ayudan a comprender los efectos de los cupones y otras
promociones. La firma recupera más de 300 millones de transacciones por
semana de más de cincuenta mil
34
minoristas En nombre de esas tiendas, Catalina administra una de las bases
de datos más grandes del mundo, que contiene los historiales de compras de
más de 260 millones
35
compradores La empresa agrega información sobre el comportamiento de
compra y la demografía, las actitudes y las preferencias de los clientes y
vende esa información a las cadenas de tiendas de comestibles, además de
ofrecer cupones impresos y móviles personalizados basados en análisis.
Catalina afirma que su enfoque puede aumentar las tasas promedio de canje
de cupones de una empresa hasta diez veces más de lo que serían con los
métodos de promoción tradicionales.
En muchos casos, vender datos no es suficiente. Las empresas también
necesitan ayuda para interpretar y usar los datos y, por lo tanto, compran
consultoría de proveedores externos. Information Resources Inc. (IRI), por
ejemplo, ha recopilado durante mucho tiempo datos de terminales de punto de
venta de minoristas, de paneles de casi 100.000 consumidores y de auditorías
de despensa para comprender los patrones de consumo. Sin embargo, más
recientemente, IRI ha aumentado su capacidad para ayudar a las empresas de
los sectores farmacéutico, minorista y de bienes de consumo envasados a
analizar datos para tomar decisiones de marketing más inteligentes y
rentables. Sunil Garga, quien fue presidente de Global Business & Consumer
Insights de IRI, argumenta que debido al auge de la analítica, “el marketing
ha cambiado más en los últimos veinticuatro
meses que en los últimos veinticuatro años, y ese ritmo de cambio
36
continuará. Es una revolución analítica”.
En el caso de las empresas que venden datos y análisis, el desafío suele
ser convencer a los clientes de la necesidad de capacidades analíticas.
Según los gerentes que entrevistamos en estas empresas, la principal
objeción es la falta de comprensión de los métodos analíticos y lo que
pueden lograr, no el costo. Esta es una de las razones por las que Google
ha adoptado un enfoque tan evangélico y educativo para el análisis web
con su oferta de Google Analytics.
En una variación del enfoque de "venta de análisis", muchas empresas
establecidas están encontrando formas innovadoras de mejorar los
productos físicos mediante la incorporación de análisis. Por ejemplo, las
empresas de productos médicos están diseñando productos con sensores
para que los datos de salud de una persona puedan analizarse de forma
remota en lugar de en una clínica u hospital. También en el horizonte hay
copiadoras que pueden transmitir datos que permiten al proveedor de
servicios programar el mantenimiento preventivo y evitar el tiempo de
inactividad. Y, en un futuro próximo, las lavadoras podrán “escuchar” los
sensores integrados en el interior de la ropa para determinar el ajuste de
temperatura adecuado.
Con la disponibilidad de sensores portátiles, los productos analíticos
incluso están llegando al golf, un deporte que no ha sido ajeno a la
innovación tecnológica en las últimas décadas. El Garmin TruSwing consta
de un sensor que se puede conectar a cualquier club y un software analítico
que se ejecuta en relojes inteligentes, teléfonos inteligentes y tabletas.
Mide y analiza métricas basadas en la mecánica del swing de un golfista
(como el vuelo de la pelota, la trayectoria y la distancia) para brindar
información sobre cada golpe y mejorar el rendimiento. Los golfistas
pueden obtener retroalimentación instantánea del swing desde su muñeca
después de cada swing o usar una aplicación móvil que permite
animaciones 3D detalladas y análisis más detallados. Los golfistas no solo
tienen la capacidad de analizar swings individuales: dos swings pueden
superponerse uno encima del otro o, alternativamente, ejecutarse uno al
lado del otro para una mayor comparación y análisis.
Cuando los análisis no son suficientes
Desearíamos poder argumentar que el buen uso de la analítica es todo lo que
una organización necesita para mejorar el rendimiento empresarial. Pero hay
buenos ejemplos que desmienten esa afirmación. Las grandes aerolíneas de
EE. UU., como American y United, son el ejemplo A. Son competidores
analíticos, pero lucharon durante muchos años.
Ambas aerolíneas (American un poco más que United) fueron pioneras en
la adopción de enfoques analíticos como la gestión del rendimiento para
el precio de los asientos, la optimización de las rutas y la programación
de recursos, y el análisis de los datos del programa de fidelización. Si
bien no hay duda de que estas empresas estarían peor sin el uso de
análisis, a ambas les fue mal durante gran parte de las últimas dos
décadas (aunque los precios más bajos del combustible y la consolidación
de la industria les han ayudado a hacerlo mucho mejor recientemente, y
ambas son duras en trabajar en nuevos enfoques analíticos).
¿Qué sucedió? Dos cosas impidieron que estas empresas tuvieran éxito
con sus estrategias analíticas durante un par de décadas. Una es que sus
análisis apoyaron un modelo de negocio obsoleto. Fueron pioneros en
análisis para la gestión del rendimiento, pero otras aerolíneas con costos
más bajos aún podrían ofrecer precios más bajos (en promedio, si no fuera
por un asiento en particular). Fueron pioneros en el análisis para la
optimización compleja de rutas con muchos tipos diferentes de aviones,
pero competidores como Southwest ahorraron dinero y complejidad al
usar solo un tipo de avión. Fueron pioneros en programas de fidelización y
promociones basados en el análisis de datos, pero su servicio al cliente era
tan indiferente y los recursos tan limitados que la lealtad a estas aerolíneas
era difícil para los viajeros frecuentes.
El otro problema con sus enfoques analíticos fue que otras aerolíneas los
adoptaron. Incluso las aerolíneas de descuento como Southwest y JetBlue
hacen un uso diligente de la gestión del rendimiento y el análisis de la
programación de la tripulación. Si las tiendas de descuento carecían de
capacidades internas de análisis, podrían comprarlas a proveedores como
Navitaire, PROS o Sabre Airline Solutions (que solía ser parte de
American pero ahora se ha convertido en una empresa separada). Los datos
de la industria están ampliamente disponibles desde asociaciones y
proveedores externos hasta cualquier aerolínea que quiera analizarlos.
 En resumen, existen pocas barreras que impidan que cualquier aerolínea
emplee enfoques analíticos estándar, y las aerolíneas deben trabajar muy
duro para distinguirse en la competencia analítica en este punto. Quizás
surjan otras fronteras de orientación analítica en esa industria en el futuro.
Conclusión
El éxito de empresas como Amazon, Capital One, Marriott, Progressive y
Google demuestra que el uso de análisis puede conducir a un mejor
rendimiento comercial y, de hecho, a una ventaja competitiva. Más de una
década de investigación indica que los proyectos analíticos individuales
pagan grandes dividendos, y los datos de las encuestas confirman que los
enfoques analíticos se correlacionan con un alto rendimiento. También
hemos identificado cinco factores que hacen que un enfoque analítico sea
una fuente de ventaja competitiva. En los próximos dos capítulos,
exploraremos con más detalle cómo ciertas empresas utilizan la analítica
para superar a la competencia.Capítulo 4 se ocupa de los procesos internos,
yCapítulo 5ofertas con procesos externos, como los que involucran a los
clientes y proveedores