Muchas empresas enfrentan desafíos al identificar y priorizar iniciativas en su portafolio de transformación digital. El índice ‘data driven’ se presenta como una herramienta útil para abordar estos problemas, ya que su uso está fuertemente asociado con el éxito en los procesos de transformación digital, ubicando los datos en el centro de la estrategia empresarial.

Contexto Actual

Vivimos en un entorno donde las fronteras entre lo físico y lo digital se desdibujan debido al aumento exponencial en la densidad digital. Este cambio está caracterizado por tres fenómenos:

1. Consumerización: La tecnología digital ha pasado de ser una herramienta exclusiva de las corporaciones a estar al alcance de los consumidores, cambiando la relación de las empresas con el mercado de unidireccional a bidireccional.
2. Democratización: La reducción de los costos tecnológicos, impulsada por la ley de Moore, ha disminuido las barreras de entrada en diversos sectores.
3. Plataformización: Las cadenas de valor lineales han evolucionado hacia ecosistemas de información donde múltiples actores colaboran en la creación de valor, orquestados por una plataforma, redefiniendo el perímetro de las organizaciones.

Transformación Digital

La transformación digital no es solo una adopción tecnológica, sino un proceso continuo que implica adaptarse y cambiar constantemente. Impacta en tres dimensiones clave:

1. Infraestructura tecnológica: Para gestionar eficientemente los datos.
2. Modelo de negocio: Para crear y capturar valor.
3. Modelo organizativo: Incluye nuevos procesos y capacidades organizativas.

En este contexto, los datos se revalorizan como un activo fundamental. Las organizaciones deben convertirse en entidades impulsadas por los datos para innovar en sus modelos de negocio y procesos. Mientras que anteriormente los datos se usaban principalmente para el control, en el entorno actual también son materia prima para la innovación.

Cambio en la función de los datos:

• Función Defensiva: Los datos se usan para monitorizar y controlar la actividad empresarial.
• Función Ofensiva: Los datos se han convertido en un recurso esencial para la innovación y el desarrollo de nuevos modelos de negocio, impulsando la transformación digital.

Modelo Organizativo Tradicional:

• En las organizaciones tradicionales, el modelo de negocio guía cómo se estructura el enfoque y la gestión del mercado.
• La infraestructura tecnológica, que sostiene tanto el modelo de negocio como el organizativo, debe sincronizarse con los objetivos del negocio.
• Este enfoque ha sido efectivo en contextos estables, permitiendo que el modelo organizativo y las capacidades tecnológicas se alineen con los objetivos empresariales.

Sin embargo, esta visión presenta limitaciones en el actual entorno de alta densidad digital y cambio constante. La rigidez que caracteriza a las organizaciones incumbentes, donde la adaptación a nuevos modelos de negocio se ve obstaculizada por estructuras y competencias arraigadas, se compara a menudo con la dificultad de cambiar la función de un edificio una vez construido.

Frente a este escenario, se propone un nuevo marco conceptual que sitúa el modelo de datos en el centro de la estrategia empresarial, influyendo tanto en el modelo de negocio como en el organizativo (ver el cuadro 2).

Al posicionar los datos en el centro, el modelo de datos cataliza el desarrollo de nuevas propuestas de valor y modelos de negocio, y facilita una estructura organizativa más ágil y adaptable, capaz de evolucionar proactivamente en respuesta a las dinámicas del mercado.

Modelo de negocio

Las interacciones de datos se pueden utilizar para conseguir avances en automatización, predicción, coordinación o personalización, lo cual contribuye tanto a la creación como a la captura de valor.

1. Automatización.Se trata de hacer más con menos, mediante la digitalización de procesos para hacerlos más eficientes. Este enfoque tiene ejemplos concretos en la industria, destacando su relevancia en la mejora de la propuesta de valor y las operaciones internas, particularmente en el marco de la industria 4.0.
2. Predicción.Permite prever el estado futuro utilizando modelos de IA y mejora la propuesta de valor en áreas como la salud, anticipando necesidades de cuidado preventivo.
3. Coordinación.Se centra en la interacción de distintos actores mediante el intercambio de datos, fundamentalmente a través de plataformas y API, reforzando la propuesta de valor al facilitar ecosistemas de servicios integrados.
4. Personalización.Busca atender mejor las necesidades de los clientes sin aumentar los costes, y se refleja en la propuesta de valor al ofrecer productos y servicios ajustados a las necesidades individuales, con experiencias de cliente altamente personalizadas.

Modelo organizativo

Mientras que el modelo de negocio se enfoca en el uso estratégico de los datos para generar valor, personalizando ofertas y anticipándose a las tendencias del mercado, el énfasis en el modelo organizativo reside en cómo utilizar los datos para ejecutar eficientemente el modelo de negocio, optimizando procesos internos y fomentando una cultura de agilidad y colaboración.

Se han identificado seis prácticas de trabajo, denominadas metacompetencias. Estas representan capacidades esenciales que las organizaciones deben desarrollar e implementar para navegar con éxito la transformación digital.

1. Pensamiento ‘outside-in’.Se centra en identificar las necesidades de los clientes y el contexto de la organización, y se alimenta de prácticas como el design thinking, el customer journeyy el job-to-be-done, utilizando datos para captar tendencias y comportamientos de manera precisa.
2. Orientación al aprendizaje.Alinea los objetivos con el desarrollo de nuevo conocimiento, empleando datos en técnicas de lean startupy A/B testing para iterar y mejorar constantemente.
3. Ejecución ágil.A través de metodologías como scrumy kanban, aprovecha los datos en tiempo real para ajustar las propuestas de valor de manera iterativa, fomentando una cultura de adaptabilidad y mejora continua.
4. Colaboración ‘cross-silo’.Se refiere a la colaboración efectiva entre distintas áreas de una organización, que resulta fundamental para impulsar la innovación y el trabajo en equipos multidisciplinares.
5. Participación en ecosistemas.En ellos se colabora con partnersa través de modelos de negocio basados en plataformas, con arquitecturas modulares y API para el intercambio de datos, creando propuestas de valor conjuntas.
6. “Proficiencia” en datos. Desarrollar una cultura orientada a los datos es crucial para que la toma de decisiones en una organización se base en evidencia sólida. Esto implica no solo incorporar especialistas como científicos de datos e ingenieros de datos, sino también fomentar una comprensión y manejo del análisis de datos en toda la empresa, estableciendo los datos como el lenguaje común en todas las decisiones y operaciones.

Modelo de datos

El modelo de datos engloba tanto la infraestructura tecnológica crítica para las operaciones y la innovación como las funciones de gestión de los datos que aseguran su seguridad, características y gobernanza.

Infraestructura tecnológica

La infraestructura tecnológica constituye la arquitectura TI integrada de la organización y se fundamenta en la coexistencia de dos funciones fundamentales dentro de la arquitectura TI: la columna vertebral operativa (operational backbone) y la programabilidad o plataforma digital, las cuales facilitan tanto la ejecución eficiente de los procesos de negocio existentes como la innovación y el desarrollo de nuevos modelos de negocio digitales.

1. Columna vertebral operativa.Asegura que las operaciones del día a día sean fluidas y eficientes. Incluye sistemas empresariales integrados (ERP, CRM, etc.), repositorios de datos que actúan como la fuente única de verdad (conocidos como SSOT) y procesos para la transformación y carga de datos (ETL). Su objetivo es automatizar procesos repetitivos, ofrecer visibilidad en las transacciones y soportar las operaciones esenciales de la empresa.
2. Programabilidad.Se establece como un eje central para la innovación dentro de las organizaciones, ofreciendo la flexibilidad necesaria para adaptarse rápidamente a los cambios del mercado y explorar nuevas oportunidades digitales. A través de elementos como software reutilizable, API para integración modular y data lakespara la experimentación con datos, las plataformas digitales facilitan el desarrollo de nuevas propuestas de valor y modelos de negocio digitales.

Gestión de datos

Por su parte, la gestión de datos en organizaciones impulsadas por los datos se sustenta en tres pilares fundamentales.

1. Seguridad del dato.Especial énfasis se pone en esta cuestión para proteger la información contra ciberataques a través de medidas de protección robustas, detección temprana, respuesta rápida y planes de continuidad para garantizar la integridad y disponibilidad de los datos.
2. Características del dato.Este aspecto abarca la accesibilidad, utilidad, calidad y fiabilidad del software utilizado, destacando la importancia de optimizar el ciclo completo del dato, desde su captura hasta su aplicación efectiva.
3. Gobierno del dato.Incluye el uso de herramientas como los diccionarios de datos, que facilitan la comprensión y el acceso a los mismos. Además, contempla el establecimiento de políticas claras que definan quién puede acceder a los datos y bajo qué circunstancias

Índice ‘data-driven’

A partir de las dimensiones que caracterizan los modelos de negocio, organizativo y de datos, se define un índice de madurez para cada uno de los modelos en una escala de 1 a 5, donde un 5 refleja la máxima madurez y un 1, la mínima. Así, el índice del modelo de negocio se obtiene de la suma ponderada del uso de la automatización, predicción, coordinación y personalización. A su vez, el índice del modelo organizativo es la suma ponderada del desarrollo de las seis metacompetencias: outside-in thinking, orientación al aprendizaje, ejecución ágil, colaboración cross-silo, participación en ecosistemas y la “proficiencia” en datos. Por último, el índice del modelo de datos se obtiene por la suma ponderada del desarrollo de la columna vertebral operativa, la plataforma digital o programabilidad, la seguridad del dato, sus características y su gobernanza.

El cuadro 4 ilustra la distribución de las 161 organizaciones del estudio antes mencionado según su madurez, basándose en que el I_dd oscila entre 1 y 5. El I_dd medio del estudio se sitúa en 2,91 y la mayoría de las empresas se encuentran por debajo de la mitad de esta escala, lo cual indica que hay un margen considerable para mejorar el uso de datos en diversas áreas organizacionales.

Para comprender mejor el cuadro 4, es crucial entender que el I_dd de cada empresa se analiza según las tres dimensiones principales: modelo de negocio, organizativo y de datos. Estas son fundamentales para entender la posición de cada compañía en el gráfico. Las organizaciones con menor madurez en estas áreas se ubican en la parte inferior izquierda. Por otro lado, las once empresas situadas en la esquina superior derecha, con índices superiores a 4, destacan por su uso más avanzado de los datos en todas estas dimensiones.

 Modelo de negocio

El índice promedio en el modelo de negocio de las 161 organizaciones es de 2,70. Como muestra el cuadro 5, destaca el dominio del uso de datos en procesos de automatización para mejorar la eficiencia. En contraste, su uso para fines predictivos o prescriptivos mediante analítica avanzada e IA obtiene un índice bastante más bajo, lo cual sugiere que las empresas aún están en fase de exploración en el uso de IA. De ahí la necesidad de contar con un modelo de datos robusto y perfiles especializados, como científicos e ingenieros de datos. En cuanto a coordinación, se evidencia que pocas organizaciones están integradas en ecosistemas a través de API externas para cocrear valor, lo cual refleja una limitada programabilidad en sus modelos de datos.

Modelo organizativo

El índice promedio en el modelo organizativo es de 2,78, desglosado en las seis metacompetencias que muestra el cuadro 6. Predomina todavía un enfoque poco outside-in, promoviendo fundamentalmente productos y servicios existentes.

En contraposición, la colaboración cross-silo es la metacompetencia más avanzada, evidenciando la prevalencia de equipos transversales en estructuras matriciales. Sin embargo, la adopción de inteligencia artificial y metodologías agile es incipiente. Esto subraya una limitada presencia de perfiles especializados y una escasa implementación de prácticas de desarrollo iterativo y roles agile específicos. Su uso, aunque común en TI, no se ha extendido todavía a otras áreas funcionales.

Modelo de datos

El índice promedio del modelo de datos, situado en 3,24, se analiza a través de cinco áreas clave, como muestra el cuadro 7. La operational backbone subraya la importancia de la digitalización de procesos. El buen promedio en la seguridad de datos demuestra el compromiso organizativo en la protección y gestión de ciberataques, aunque la asignación de roles específicos sigue siendo mejorable. En cuanto a la plataforma digital (programabilidad), se observan esfuerzos hacia una infraestructura TI modular, apoyada en API, pero el desarrollo de data lakes y su potencial para la analítica avanzada y la IA aún es limitado. La gobernanza del dato es un área crítica de mejora, evidenciando la necesidad de estructuras y roles más definidos para optimizar su gestión, a pesar de ciertos avances en cumplimiento normativo y privacidad por regulaciones como el RGPD.

Diagnóstico de la transformación digital

De las 161 empresas analizadas en el Índice data-driven, destacan 46 con un I_dd alto que se consideraron a sí mismas exitosas en sus procesos de transformación digital, frente a 45 que reconocieron no haber tenido éxito. Esta dicotomía pone de relieve que el I_dd es un claro indicador del éxito en los procesos de transformación digital.

Las compañías exitosas se distinguen no solo por adoptar arquitecturas TI modulares que favorecen la flexibilidad y la innovación, sino también por un uso intensivo de la predicción y la automatización en sus estrategias de negocio. Además, estas organizaciones adoptan un enfoque muy centrado en el cliente, aplicando metodologías como el design thinking, el job-to-be-done y el customer journey.

Por otro lado, las 45 empresas menos exitosas presentaron I_dd inferiores a la media, evidenciando deficiencias en la adopción de tecnologías de datos y la implementación de estrategias organizativas y de negocio orientadas al dato.

Es necesaria una estrategia integral que armonice de manera efectiva las dimensiones tecnológica, de negocio y organizativa.

El cuadro 8 ilustra de forma clara cómo los índices varían en función del éxito en los procesos de transformación digital, ofreciendo una perspectiva visual de la correlación entre un alto I_dd y la capacidad de una empresa para navegar y prosperar en la era digital. Es importante destacar que las compañías que reportan éxito en su transformación digital presentan índices superiores en todos los parámetros que conforman los modelos de negocio, organizativo y de gestión de datos.

El portafolio de transformación digital

Reconociendo el valor estratégico de los datos, muchas organizaciones siguen todavía enfocándose en su uso para controlar la ejecución del modelo de negocio. Para embarcarse efectivamente en la transformación digital, resulta crítico ver los datos no solo como una herramienta de control, sino como un recurso clave para la innovación, integrándolos plenamente en la estrategia.

Una buena puntuación en el índice de madurez data-driven (I_dd) presentado en este artículo se convierte en una condición necesaria para el éxito en los procesos de transformación digital, tal y como muestran los resultados de las 161 empresas analizadas. Por este motivo, el I_dd se convierte en una herramienta sumamente útil para las compañías que quieran definir, estructurar, priorizar y gestionar su portafolio de transformación digital.

En el cuadro 9 se muestra la matriz de clasificación de iniciativas que constituyen el portafolio de transformación digital de una organización¹¹. Las iniciativas del portafolio pueden clasificarse según dos dimensiones: 1) su contribución a la generación de nuevos ingresos a través de nuevos modelos de negocio y 2) la necesidad de integrar nuevas capacidades en la organización.

En el cuadrante inferior izquierdo encontramos aquellas iniciativas que apoyan el modelo de negocio existente sin requerir capacidades significativamente distintas de las que ya posee la organización. Estas iniciativas se centran en la digitalización, buscando una ejecución más eficiente del actual modelo de negocio, y tienden a utilizar datos de manera defensiva para optimizar procesos existentes.

En el cuadrante superior izquierdo se sitúan las pruebas piloto de innovación, que, aunque no requieren tener integradas nuevas capacidades, permiten experimentar con nuevos modelos de negocio a través de interacciones de datos que incluyen no solo la automatización, sino también la predicción, la coordinación o la personalización.

En el cuadrante inferior derecho nos enfocamos en las iniciativas que buscan introducir nuevas capacidades. Esto puede implicar el fortalecimiento de la columna vertebral operativa; la expansión de la plataforma digital; la integración de talento especializado en el manejo de datos, como la creación de nuevas unidades de ciencia de datos, o la adopción de nuevas metodologías de trabajo que reflejen las metacompetencias necesarias para el cambio cultural.

Las iniciativas en el cuadrante inferior derecho se denominan opciones, ya que se valoran como inversiones estratégicas que otorgan a la organización diversas opciones de transformación.

En el cuadrante superior derecho se sitúan aquellas iniciativas orientadas a la industrialización de nuevos modelos de negocio, las cuales se concretan mediante el escalado de las pruebas piloto utilizando las nuevas capacidades adquiridas. Esta fase es crucial para la transición de ideas experimentales a soluciones que impactan directamente en la estrategia y rentabilidad de la empresa.

Sáez, de GB Foods, ilustra este proceso a través del proyecto COG (Cost of Goods), donde el objetivo fue profundizar en el entendimiento del impacto que tienen las materias primas en la rentabilidad de diversos productos y mercados. Esta ejecutiva destaca la importancia de una integración efectiva de los datos en el data lake de la empresa, subrayando un enfoque estratégico que prioriza la calidad y relevancia analítica de los datos sobre la mera acumulación. La clave fue integrar completamente los datos en el data lake.

En el contexto de la gestión del portafolio de transformación digital, el I_dd proporciona orientación sobre cómo se deben priorizar y enfocar estratégicamente las iniciativas dentro de cada cuadrante. Esta función del I_dd como un faro en la transformación digital es crucial para navegar por el complejo paisaje de las nuevas tecnologías y sus aplicaciones en el negocio.

Echavarri, de Banco Sabadell, refleja esta dinámica al abordar el desafío que representa la selección y adaptación a las tecnologías emergentes que verdaderamente generan valor para la organización: “Creo que el gran reto van a ser todas estas capacidades tecnológicas que van a surgir en los próximos años, o que están surgiendo, y ver cómo somos capaces de seleccionarlas, de filtrar las que realmente aportan valor, y ver cómo somos capaces de adaptarnos”.

Más que simplemente reflejar la situación actual, el I_dd orienta la evolución futura de las organizaciones, destacando las áreas críticas de inversión. Por tanto, esta herramienta se presenta no solo como un medio de diagnóstico, sino también como una guía para la innovación y adaptación estratégica continua necesaria en los procesos de transformación digital.