Estos días es raro que un CEO no sepa que los negocios deben ser analytic driven. Hoy muchos líderes de negocio se han adelantado con grandes inversiones en recursos de análisis e inteligencia artificial (IA). Además, CEOs han dedicado gran parte de su tiempo a implementar programas de análisis, han designado jefes de análisis (CAOs) o jefes de datos (CDOs), y contratado a todo tipo de especialistas en datos.

Descarga el estudio completo de McKinsey&Company aquí.

Sin embargo, muchos ejecutivos han asumido que por el simple hecho de haber hecho esos grandes movimientos, los principales desafíos para llegar a ser un analytic driven fueron dejados atrás. Pero las frustraciones han comenzado a aflorar. Se está empezando a ver que los ejecutivos de las compañías han fallado en convertir sus análisis en soluciones escalables. (McKinsey descubrió que sólo el 8% de 1.000 personas encuestadas con iniciativas de análisis lograron prácticas de crecimiento efectivas).

«Las capacidades de análisis están aisladas del negocio, lo que resulta en una estructura organizacional de análisis no efectiva» — se lee en el punto 6 del estudio

Cada vez más directorios y accionistas están presionando por respuestas sobre los escasos retornos en programas de análisis caros. En general, McKinsey ha observado que sólo una pequeña fracción del valor que podría desbloquearse con acercamientos de análisis avanzados han sido efectivamente desbloqueados —tan bajo como el 10% en algunos sectores. Y el McKinsey AI Index ha revelado que la diferencia entre los líderes y los rezagados en la adopción efectiva de inteligencia artificial y análisis, tanto dentro como entre los sectores industriales, está creciendo.

10 factores que harán fracasar tu estrategia «analytic driven»

Hay una ventaja en la lista de fallas en las grandes apuestas de las compañías en analítica e inteligencia artificial. Colectivamente, empiezan a revelar los patrones de error a través de las organizaciones de todos los tipos, industrias y tamaños. McKinsey ha detectado las «10 banderas rojas» que muestran que un programa de análisis está en peligro de fracasar:

1. El equipo ejecutivo no tiene una visión clara para sus programas de análisis avanzado.
2. Nadie ha determinado el valor que los casos de uso iniciales pueden entregar el primer año.
3. No hay una estrategia de análisis más allá de un par de casos de uso.
4. Los roles de análisis, presentes y futuros, están definidos de manera pobre.
5. La organización carece de traductores de análisis.
6. Las capacidades de análisis están aisladas del negocio, lo que resulta en una estructura organizacional de análisis no efectiva.
7. Los costosos esfuerzos de limpieza de datos son comenzados en masa.
8. Las plataformas de análisis nos son construidas con propósito.
9. Nadie conoce el impacto cuantitativo que la analítica provee.
10. Nadie está hiper enfocado en identificar potenciales implicancias éticas, sociales y regulatorias de las iniciativas de análisis.

Descarga el estudio completo de McKinsey&Company aquí.