La ciencia y el análisis de datos se han convertido en una importante ventaja competitiva, ya que aportan nuevas perspectivas que fomentan el crecimiento y la eficacia operativa de las empresas. Pese a ello, muchas compañías de comunicaciones, medios y tecnología continúan esforzándose por encontrar un equilibrio entre la calidad, la escalabilidad y la velocidad de sus datos.

Según los resultados de una encuesta realizada por Accenture en 2017, el 80% de las organizaciones consultadas se sienten preocupadas por la disrupción digital1 y están comenzando a percibir que su departamento administrativo se está quedando atrás con respecto a su departamento de atención al cliente. El servicio de atención al cliente necesita datos que sustenten la toma de decisiones, pero las oficinas internas no se encuentran preparadas para afrontar este desafío. Cuando la velocidad y los plazos comprometen la calidad de los datos, el resultado suele ser una información imprecisa.

El precio de unos datos incorrectos

Es posible que "información imprecisa" suene mejor en la teoría que en la práctica. La mala calidad de los datos costó a las organizaciones una media de 15 millones de dólares en 2017,2 de modo que puede ser conveniente examinar sus repercusiones en un escenario del mundo real. La deficiente calidad de los datos de una compañía de comunicaciones y tecnología provocó errores en la elaboración de informes financieros y, con ello, decisiones equivocadas basadas en cifras incorrectas. En consecuencia, no todas las transacciones pudieron ser clarificadas y conciliadas, lo que condujo a la pérdida de millones de dólares debido a las cancelaciones de inventarios.

Un error como este, producido en una fase temprana del ciclo de vida de los datos, causaría un efecto dominó. Lo que comienza siendo un "pequeño" problema de datos se convierte en un gran problema debido a su capacidad de entorpecer las decisiones importantes. Los errores subyacentes en la integridad de los datos afectarán a los registros y modelos construidos sobre esa información incorrecta, por lo que resulta esencial establecer controles en la entrada de datos para evitar este escenario.

Si esta compañía hubiese priorizado una estructura fiable de gobernanza del ciclo de vida de los datos, sus resultados habrían sido mucho más positivos y productivos. Sin embargo, la estrategia no consiste únicamente en aplicar una gobernanza de datos adecuada. Aproximadamente el 85% de los ejecutivos del sector de las telecomunicaciones refieren que sus organizaciones utilizan cada vez más los datos para facilitar una toma de decisiones crítica y automatizada.3

Lo que comienza siendo un «pequeño» problema de datos se convierte en un gran problema debido a su capacidad de entorpecer las decisiones importantes.

Problemas habituales

Estas son las áreas problemáticas más habituales:

  • Ingesta y contenido: recopilación de datos deficiente, controles de calidad inadecuados, y una escasa integración en el sistema.
  • Arquitectura y almacenamiento: los errores cometidos en la configuración de las bases de datos y en los procesos de almacenamiento redundan en datos inutilizables o discordantes, como la omisión de los identificadores de clientes o la escasa fiabilidad de los registros de facturación y aprovisionamiento.
  • Análisis y elaboración de informes: los trabajos de investigación analítica y elaboración de informes realizados con datos dudosos restarán fiabilidad a las decisiones estratégicas y operativas.

Los riesgos de no abordar estas áreas son considerables y se extienden más allá del coste monetario para incidir negativamente en los clientes, reducir la eficacia operativa, provocar retrasos y motivar revisiones.

Perfección frente a realidad

Aunque es raro encontrar el escenario perfecto, exigir unos criterios básicos ayudará a tu organización a mejorar su estrategia de datos. Como mínimo, las empresas necesitan:

  • Datos fiables de sus clientes y operaciones financieras
  • Un historial preciso de sus transacciones de inventario (envíos, aprovisionamiento, activaciones, etc.) que garantice una gestión y un seguimiento adecuados del inventario

Para lograrlo, los datos deben ser transparentes y suficientemente precisos para evitar la distorsión material de los modelos analíticos. Además, no deben tener sesgos susceptibles de provocar decisiones incorrectas o informes distorsionados (por ejemplo, información incompleta de un área de facturación concreta).

Por dónde empezar

Una auditoría exhaustiva de los datos de facturación y de clientes puede ser un buen punto de partida que nos permita solventar problemas pendientes:

  • Documenta y comunica todos aquellos procesos que hayan causado una entrada incorrecta de datos de clientes como el nombre, la dirección o la información del dispositivo.
  • Comprueba que el ciclo de facturación sea seguro auditando el historial de pagos, los vínculos entre clientes y cuentas, el historial de órdenes de trabajo y los tipos de servicios.
  • Verifica que los dispositivos estén correctamente registrados en el sistema de inventario y aprovisionamiento.

Cuando los datos esenciales tengan un nivel aceptable de calidad, el paso siguiente es garantizar que las normas de calidad de los datos impidan la recurrencia de este tipo de problemas. Aunque las empresas cuentan con normas de calidad de los datos que se aplican en todas las áreas de negocio, algunos departamentos concretos de la organización pueden beneficiarse de unos procesos de gobernanza personalizados y adaptados a sus necesidades en áreas tales como:

  • Ciclo de vida de la cadena de suministro
  • Operaciones de facturación de clientes
  • Soporte de servicios operativos
  • Soporte de servicios empresariales

Asegúrate de instaurar controles de calidad adecuados de tus procesos de datos y de requerir suficiente información (como informes de la calidad de los datos normalizados). Ambas medidas te ayudarán a evitar graves problemas.

Las compañías de comunicaciones, medios y tecnología se beneficiarán de las ventajas de resolver los problemas existentes en lo referente a la calidad de los datos, garantizando así la implementación de políticas y procedimientos adecuados para aumentar la fiabilidad de sus datos. Esta mejora de la calidad de los datos ayuda a reducir los riesgos financieros y operativos y permite a las empresas aplicar una información precisa para, en definitiva, impulsar el crecimiento y mejorar sus resultados.

En el mundo digital actual, eso se traduce en una ventaja competitiva.

1 Accenture: Intelligent operations goal requires data backbone

2 How to Stop Data Quality Undermining Your Business - Smarter With Gartner

3 Visión Tecnológica de Accenture, 2018

Johann Pasion

Manager – Accenture Strategy, Comunicaciones, Medios y Tecnología

MÁS INFORMACIÓN


Centro de suscripción
Continúa informado con nuestra newsletter Continúa informado con nuestra newsletter