En el entorno empresarial actual solo los más preparados sobreviven. Las expectativas de los clientes y partners empresariales han cambiado, por lo que la modernización es aún más crítica. Los cambios, sin embargo, son claramente complejos. Las empresas se esfuerzan por dar prioridad a los datos, pero reconocen que la transformación requiere una nueva forma de trabajar. Pintarle unas rayas blancas a un Volkswagen Escarabajo no lo convierte en un coche de carreras y algo similar ocurre con las empresas: es necesario un cambio de motor. 

Tradicionalmente, los datos se han almacenado en silos, a menudo asociados con aplicaciones empresariales, mantenidos por equipos independientes, protegidos por funciones específicas y ubicados en lugares diversos de diferentes proveedores de nube. Pero estos silos no se limitan a las cuatro paredes de la organización, también se encuentran en los datos de partners y proveedores externos, y suelen multiplicarse con las fusiones y adquisiciones. 

Mantener estos silos de datos requiere mucho tiempo y dinero; y la gobernanza y la colaboración resultan prácticamente imposibles cuando existen demasiadas tecnologías y nubes. Además, los datos aislados no son fáciles de encontrar y utilizar, por no hablar de lo complicado que es extraer valor de ellos.

Pero no está todo perdido, hay esperanza si pensamos en cómo se usan los datos. Imaginemos un análisis integral de un cliente para el que se extraen datos de diferentes fuentes o puntos de contacto, como una aplicación de gestión de relaciones con los clientes (customer relationship management, CRM), transacciones de ventas, registros web, análisis del uso de los productos, etc., todo ello enriquecido con información de partners y otros terceros. Esta vista integral permite tener un conocimiento óptimo de los clientes, de forma que los equipos de creación de productos mejoran sus ofertas, los equipos de marketing personalizan sus mensajes y los equipos de atención al cliente mejoran la experiencia del cliente. 

De manera similar, podemos crear un producto integral utilizando datos de varios procesos de producción o del software integrado en ellos, así como de las transacciones de ventas, los registros de servicio o la información del uso de los productos. Esta vista integral del producto permite a los equipos relevantes predecir las necesidades de mantenimiento, reducir el tiempo de inactividad y, en última instancia, mejorar el desarrollo de los productos, las ventas y la experiencia del cliente. 

Estos son ejemplos de productos de datos, que son el nuevo pilar que sustenta el núcleo de una empresa basada en datos. Los responsables de los datos son muy conscientes de este hecho. Según el informe Agenda de CDO para 2023, el 38 % de los Chief Data Officers (CDO) ha adoptado la gestión de productos de datos con ayuda de gestores de productos.

Un producto de datos es un componente reutilizable creado para entregar datos, o la información extraída de ellos, para un fin específico. Considerar los datos de este modo requiere una nueva forma de pensar y de organizar los equipos, pues tanto los productores como los consumidores necesitan volver a configurar sus equipos para adaptarlos al data product thinking. Los productores de datos entregan productos de datos de una sola fuente o de un conjunto de ellas, como una aplicación CRM. Esos productos de datos se pueden utilizar de forma independiente o como parte de un producto de datos agregados, como el análisis integral de cliente descrito anteriormente. Los consumidores de dicho análisis integral del cliente deben ser capaces de expresar con claridad sus requisitos con respecto a ese producto de datos agregados. 

Este product thinking funciona de fuera hacia dentro, es decir, puede considerarse una forma de “trabajar al revés”. El proceso comienza preguntándonos quién utilizará los datos y cómo; qué se pretende lograr y para qué. Los posibles clientes y casos de uso pueden ser internos o externos. Estos son algunos ejemplos:

• Los equipos de ventas y marketing priorizan las oportunidades, optimizan las campañas y personalizan las ofertas, por lo que necesitan conocer bien a sus clientes. 
• Los equipos de desarrollo de productos dan prioridad a las funciones, optimizan los procesos, analizan el uso de los productos, predicen los defectos o anomalías y programan las tareas de mantenimiento. 
• Los equipos de finanzas prevén la demanda, optimizan los presupuestos, identifican las oportunidades de inversión e informan de los resultados a inversores y reguladores. 
• Los partners externos y los clientes buscan información sobre sus entornos y ecosistemas empresariales.

Estos escenarios sugieren diferentes tipos de productos de datos. Para conocer a los clientes es preciso recopilar diferentes atributos y crear perfiles o segmentar audiencias; para priorizar es necesario clasificar. Las predicciones se basan en modelos analíticos, así que, después de considerar la audiencia y el caso de uso, deberás diseñar el producto de datos adecuado para ellos.

Un producto de datos puede adoptar diferentes formas, al igual que cualquier otro tipo de producto. Piensa en una tabla de datos, un informe o un panel de información, un modelo analítico o una herramienta de ayuda para la toma de decisiones que permita al responsable de tomarlas “jugar” con los datos. En una sesión del Snowflake Summit del pasado mes de junio, Amin Venjara, GM of Data Solutions de ADP, describió las opciones como “arena, copa o joya”. Me gusta la analogía, pero yo la cambiaría ligeramente. 

¿Ofrecerías arena, una materia prima, a alguien que pueda hacer algo con ella? La arena debe transformarse en otra cosa. ¿Fabricarías una copa, algo que otra persona puede utilizar para generar valor? Una copa es un paso intermedio; sirve para un fin, pero solo tiene valor si se combina con algo más, como agua o vino. ¿O crearías algo más refinado, un producto único para un cliente o un propósito específico? Una lámpara se diseña para un fin determinado, como iluminar una sala, y proporciona un valor inmediato.

Esta analogía se puede aplicar a los productos de datos. La arena sería la materia prima, es decir, los datos. Si eres productor de datos y necesitas entregar un producto a un científico o desarrollador de datos, lo más probable es que entregues datos limpios y listos para usar. Tradicionalmente, los proveedores de datos solían proporcionar datos sin procesar. A pesar de que ahora hay otras opciones, en lo que respecta a los productos de datos, sigue habiendo una demanda de datos “en bruto”. Durante el Snowflake Summit del año pasado, una empresa de servicios financieros posnegociación describió a algunos de los compradores de sus productos de datos como “analistas de fondos de cobertura muy sofisticados”. No necesitan un modelo predefinido, quieren el material sin procesar y tienen la capacidad de crear algo con él.

La copa sería un producto de los datos, pero no el producto final; proporciona valor pero únicamente si se utiliza en combinación con algo más. Podría ser un servicio de datos, como la resolución de identidades o el enriquecimiento de datos. IPinfo, por ejemplo, proporciona un servicio de enriquecimiento de datos de ubicación de direcciones IP para que las empresas sepan más sobre el origen del tráfico de Internet. Para ello, asignan atributos basados en la geolocalización al tráfico de Internet, monitorizan y controlan el acceso a sitios web por país y garantizan el cumplimiento de las normativas de protección de datos, la gestión de derechos digitales, la prevención y detección de fraudes y mucho más.

En este caso, una aplicación diseñada para un uso específico sería la lámpara del ejemplo anterior. Puede ser una aplicación basada en datos subyacentes que ayuda a los responsables de la toma de decisiones a agilizar los procesos, optimizar los precios, personalizar las campañas de marketing o mejorar la mezcla de marketing. O bien puede estar integrada y activar un evento o acción en función de las entradas de datos de transmisión. 

Las aplicaciones de datos son productos creados para un uso específico. Pueden ser datos de una sola fuente o de varias fuentes agregadas para abordar un caso de uso empresarial específico. La Guía del gestor de productos para crear aplicaciones de datos en el Data Cloud de Snowflake proporciona ejemplos de casos de uso frecuentes, por ejemplo, un análisis integral de un cliente al que se agregan datos de varias fuentes para conocer mejor a los clientes actuales o potenciales. Incluso la aplicación de análisis integral del cliente podría estar personalizada para audiencias específicas de las áreas de ventas, marketing o atención al cliente con fines de segmentación y para favorecer la priorización, las ofertas o experiencias personalizadas y un mejor servicio al cliente. 

Podemos encontrar varios buenos ejemplos de productos de datos en Scania, fabricante sueco de camiones pesados, autobuses y motores. La plataforma de analíticas conectadas de Scania procesa aproximadamente 150 millones de mensajes de transmisión al día de una flota de 600 000 vehículos conectados. Esos mensajes, combinados con otros datos, son importantes para diferentes equipos dentro de la empresa y sus clientes. Por ejemplo, el producto de datos Telecom Analytics de Scania analiza grandes cantidades de datos de telecomunicaciones para garantizar una conectividad óptima. Comparar los datos de costes e ingresos de los vehículos conectados ha ayudado a Scania a optimizar la rentabilidad de las suscripciones. El producto de datos Digital Services Intelligence de Scania facilita el seguimiento y recomienda suscripciones para cada cliente. Scania también utiliza los datos de vehículos conectados para fundamentar sus decisiones sobre el precio de los servicios. 

Además, los productos de datos también benefician a los clientes externos. Los modelos predictivos de Scania recomiendan tareas de mantenimiento según el funcionamiento del vehículo y la disponibilidad del taller. El objetivo es acabar con los tiempos de inactividad que afectan al cliente final. El nuevo producto de datos BEV Analytics de Scania se utiliza como referencia para conocer la autonomía de los vehículos eléctricos, la duración y el rendimiento de la batería, y el coste total de propiedad. “El interés en este producto de datos es enorme”, comenta Ulf Holmström, Lead Data Scientist de Scania. “Los BEV [vehículos eléctricos de batería] son el futuro y todo el mundo quiere saber cómo funcionan en diferentes aspectos”. A medida que crece el mercado de los vehículos eléctricos, el interés en este producto de datos podría ir más allá de los partners y clientes existentes.

A medida que crece la demanda de datos de terceros, aumentan las oportunidades de crear nuevas fuentes de ingresos a partir de los productos de datos. Un primer paso es ofrecer productos de datos o servicios a modo de oferta incremental, como la información sobre el uso del producto o los costes del análisis comparativo, o la comparación de los ingresos con los de regiones o sectores similares. Hacer una oferta incremental junto con un producto o servicio existente es como preguntar en un restaurante si el cliente quiere patatas con la hamburguesa.

Por ejemplo, como proveedor de soluciones de RR. HH. y nóminas, ADP procesa casi el 20 % de las nóminas de EE. UU. y captura grandes cantidades de datos sobre salarios, habilidades y prestaciones casi en tiempo real. Sabe cuánto gastan las empresas en los empleados, quién contrata, quién despide y las características de cada región. 

El primer paso para ADP fue ofrecer información a sus clientes, por ejemplo, la comparación de su tasa de retención con la de otras empresas del sector o de su misma región; o si sus salarios y prestaciones son competitivos. El uso de aplicaciones de aprendizaje automático, o machine learning, en las áreas de RR. HH. y nóminas ayuda a los clientes a personalizar la planificación de la demanda. 

La información y las tendencias extraídas de estos datos también proporcionan una perspectiva de la situación económica de EE. UU. que es mucho más detallada y oportuna que los datos de las estadísticas del Departamento de Trabajo de los Estados Unidos. ADP también elabora el National Employment Report, cuyos datos entrega bajo licencia para ayudar a las empresas con la selección de sitios, por ejemplo, en función del conjunto de habilidades locales y las expectativas de salario. Con estos nuevos productos, ADP se ha convertido en proveedor de datos tanto para sus clientes existentes como para los nuevos con el fin de crear una fuente de ingresos totalmente nueva. 

Para seguir aprendiendo sobre los productos de datos —desde la identificación de audiencias, casos de uso y formatos de productos de datos, hasta opciones de precios y la elección de los canales de comercialización— únete a la sesión Data Commercialization: Your Guide to Taking Data to Market en el Snowflake Summit 2023. También encontrarás muchas sesiones del Summit que versan sobre aplicaciones de datos.  Echa un vistazo a Build an App for That: The Next Big Opportunity for Data Entrepreneurs con Benn Stancil, CTO de Mode; o si prefieres algo más técnico, te esperamos en la sesión Build Your Snowpark-Powered Data Products and Data Applications with DataOps.live.