Líderes de opinión

¿Qué hacer cuando los cambios de COVID hacen que tus datos sean obsoletos – Líderes de pensamiento

mm
Añade Unite.AI a tus fuentes preferidas en Google

Para los humanos, la imprevisibilidad de la vida es una amenaza existencial. Es una amenaza similar para los modelos analíticos. Al igual que nosotros, los algoritmos intentan predecir el futuro generalizando eventos pasados. Cuanto más aleatorio sea la historia, más luchamos ambos para crear un patrón a partir del caos.

Hace un mes pensamos que COVID podría estar terminado. Ahora, con la aparición de la variante Delta, la economía está en una extraña danza entre abrir y cerrar. Y si quisiéramos saber qué sucederá a continuación, digamos, si alimentáramos un modelo predictivo con un resumen del pasado año y medio, muy probablemente nos diría que nos dirigimos hacia otro confinamiento.

Los datos, al igual que las tendencias de la comida o la moda, caducan. Si solo suministras a tus modelos con datos históricos limitados, no pueden pintar una imagen muy precisa de lo que sucede en el mercado hoy, y mucho menos de lo que sucederá mañana.

Cuando la realidad de la vida diaria cambia cada semana e incluso cada día, necesitas refrescar tus modelos constantemente con nuevos activos de datos y nuevas dimensiones que proporcionen información sobre el contexto actual.

Cuando la realidad cambia, debes cambiar con ella

Cada fluctuación en las pautas de seguridad pública ha desencadenado un cambio notable en el comportamiento del consumidor. Desafortunadamente, cada uno de esos cambios en el comportamiento del consumidor ha vuelto obsoletos grandes porciones de los modelos analíticos de las organizaciones.

Ahora piensa en las empresas que, a pesar del cambio constante, han mantenido e incluso han crecido su negocio durante la pandemia. Actuaron rápidamente para encontrar los conjuntos de datos adecuados que les dieran visibilidad sobre los hábitos cambiantes de los clientes. Las empresas que intentaron aferrarse a sus mismas fuentes de datos, a pesar de que el mundo había cambiado por completo, perdieron su participación en el mercado.

La industria minorista, por ejemplo, tuvo que abrazar la transición masiva al comercio electrónico al comienzo de la pandemia, la complejidad de las transacciones en línea y fuera de línea (como la recogida en la acera) y la revivificación de las experiencias en persona a medida que se levantaban las restricciones de COVID.

Las empresas minoristas astutas buscaron fuentes de datos alternativas para proporcionar el contexto adecuado en cada paso del proceso. Al principio, buscaron conjuntos de datos relacionados con COVID, que incluían datos de los CDC sobre la propagación de la enfermedad, por ejemplo, para ajustar sus modelos de previsión de ventas. Luego, revisaron el tráfico a pie versus el tráfico en línea para determinar su enfoque para la reapertura. A medida que avanzaba la pandemia, las empresas minoristas examinaron los datos de ventas y gastos con tarjeta de crédito frente a los atributos demográficos para comprender cómo había cambiado el perfil de su cliente típico.

Deja vu de la degradación de los datos

Tanto como estamos todos esperando la reapertura (cuando sea que llegue), este cambio social dramático anuncia un resultado similar al del primer cierre global. Las organizaciones que han entrenado sus modelos analíticos utilizando conjuntos de datos relacionados con el mercado de la era de la pandemia tendrán que buscar nuevamente fuentes nuevas.

Pero a diferencia del primer confinamiento, esta vez tenemos la oportunidad de prepararnos para el cambio significativo cuando llegue. Sabemos que necesitaremos encontrar fuentes de datos alternativas y crear modelos que puedan dar sentido a la nueva realidad.

Entonces, ¿qué debes hacer cuando sabes que tus datos caducarán? Primero, busca formas de ampliar tus fuentes de datos fuera de tus datos históricos. Las organizaciones con los programas analíticos más poderosos tratan la adquisición de datos de la misma manera que tratan la adquisición de clientes: construyen un enfoque escalable para descubrir, evaluar y incorporar constantemente nuevos activos de datos. Este enfoque se reduce a tres componentes: personas, sistemas y procesos, en ese orden.

Personas

Hay muchas fuentes de datos allí. ¿Cómo sabes que las que estás utilizando están funcionando? ¿Cómo sabes qué te falta? Al construir un equipo dedicado a adquirir los datos adecuados, trabajar con proveedores para hacerlo y gestionar tus propios activos de datos. Los roles para contratar incluyen un Jefe de Adquisición de Datos, Arquitectos de Datos, Estratega de Datos y Científicos de Datos.

Sistemas

Recuerda cómo algunas empresas lucharon con la transición al trabajo remoto porque no tenían un IT centralizado. Es una lección que todavía necesitamos recordar cuando se trata de modelos analíticos. He visto a grandes organizaciones comprando e integrando los mismos datos dos o tres veces en diferentes etapas. Un lugar centralizado donde los diferentes lados del negocio puedan colaborar en los conjuntos de datos que entran en la organización es necesario.

Aún más importante, tu ecosistema de adquisición de datos debe permitirte iterar sobre una variedad de datos y acelerar tus PLC, pruebas e iniciativas comerciales. Dentro de unos días, deberías poder no solo catalogar nuevas fuentes de datos, sino también implementarlas en producción. El tiempo es todo cuando la realidad cambia tan rápidamente.

Procesos

Hablando de tiempo, si a tu organización le toma dos o tres meses examinar una sola fuente de datos (mucho menos integrarla), eso es un signo de que no estás muy bien preparado para absorber nuevos datos. Crea un flujo de trabajo para el ciclo de vida de la adquisición de datos, desde la prueba hasta la compra y la integración. Este proceso debe involucrar una asociación entre departamentos que consista en IT, compras, legales, cumplimiento y seguridad, para que cada equipo pueda abordar los respectivos problemas de fuentes.

Conclusión

Los líderes de datos inteligentes saben que las fuentes de datos son un activo competitivo para reaccionar rápidamente a las condiciones del mercado. Una vez que hayas invertido en una estrategia de adquisición de datos, no importa si volvemos a entrar en confinamiento o nos recuperamos rápidamente. Estarás listo para aterrizar sobre tus pies en medio de cualquier interrupción importante.

Maor es el Co-Fundador y CEO de Explorium, su pasión por crear grandes productos de datos se debe a su experiencia en la unidad de inteligencia militar de élite Unit 8200, donde su trabajo en el tratamiento de la variedad de datos lo llevó a crear una plataforma de minería de datos galardonada y liderar proyectos de ciencia de datos. Maor fue incluido en la lista Forbes Israel 30 under 30.