En los últimos años se han desarrollado trabajos e investigaciones que describen las etapas por las que deben pasar las organizaciones en su camino hacia la madurez analítica. En general, las empresas buscan mejorar la velocidad y la eficiencia del ciclo analítico; que los modelos generen cada vez más valor para el negocio.

Según se informa en una de estas investigaciones, sólo el 50% de los modelos son totalmente operacionalizados y el 44% de los proyectos tarda más de siete meses en implementarse. El tiempo y esfuerzo de desarrollar un modelo analítico tiene un costo operativo asociado; cada día que pasa sin aprovechar sus resultados representa oportunidades que se pierden y no poder operacionalizar todo el ciclo dificulta el éxito de una buena parte del proceso de transformación digital.

Existen muchos desafíos en el camino hacia la adopción de una cultura basada en datos. Lo primero a resolver tiene que ver con la integración, limpieza y gobierno de los datos. Sigue la posibilidad de desarrollar modelos analíticos que estén al servicio de los objetivos de negocio. Y, una vez logrado lo anterior, muchas organizaciones luchan con la llamada “última milla” de implementación: la operacionalización de los mismos.

La operacionalización del ciclo de vida analítico no es un “nice to have” ni una nueva tendencia que pronto va a pasar de moda. Es una habilidad esencial que deben adquirir todas las compañías que quieran permanecer en el mercado en el mediano y largo plazo.

Las compañías que alcanzaron madurez en el desarrollo de modelos analíticos deben poner foco en completar la "última milla", cubriendo el ciclo completo y permitiendo que los desarrollos analíticos generen valor en el menor tiempo y de la forma más eficiente posible.

Es clave también la democratización de la analítica dentro de cada organización. Una vez resuelta la operacionalización del ciclo analítico completo, será posible expandir el valor del analytics a todas las áreas, no sólo a las que están de cara al cliente final.

Desde SAS creemos para finalizar esta última milla, las áreas analíticas deben adoptar prácticas que aceleren la creación y el despliegue de los modelos que requiere el negocio. Operacionalizar el proceso analítico requiere combinar el conocimiento de TI con Analytics en partes iguales.

(*) Gustavo Gutman: Gerente General de SAS Argentina