Palabras clave: Retorno de inversión (ROI), producto de datos, equipo de datos, valor de los datos, tiempo de inactividad de los datos, infraestructura, analitica, operaciones

Introducción

En la era de la información, las empresas buscan no solo maximizar, sino también medir con precisión los beneficios que genera el equipo y sus productos de datos. Para lograrlo, deben alinear sus estrategias con las necesidades del negocio, equilibrar sus prioridades y enfocarse en la creación de valor tanto para la organización como para los clientes. Esto, plantea una pregunta clave ¿realmente estas inversiones generan valor? ¿cómo pueden trascender más allá de un producto?. La pirámide del ROI de los datos aborda dicha cuestión a través de la definición de valor del producto de datos y el tiempo de inactividad de las soluciones. Ahora bien, crear valor a través de los datos puede implicar aumentar los ingresos, nivelar las inversiones o administrar el tiempo de uso de los datos. A continuación, abordaremos los conceptos clave y las variables para calcular el ROI.

En el contexto del negocio retail, la implementación de un cálculo claro del ROI de los datos presenta ventajas clave que pueden transformar significativamente las operaciones y la experiencia del cliente. El retail se enfrenta constantemente a la necesidad de adaptarse a un entorno dinámico y de ofrecer experiencias personalizadas y eficientes a sus consumidores. Aquí, el ROI de los datos no solo ayuda a optimizar procesos internos, sino que también permite una toma de decisiones más precisa y enfocada, lo que se traduce en mejoras en la rentabilidad y competitividad.

Al implementar el ROI de los datos en el negocio retail, las empresas pueden experimentar beneficios como:

Mejor Toma de Decisiones Estratégicas: A través de la implementación de productos de datos analíticos, como dashboards o modelos predictivos, las empresas pueden tomar decisiones más informadas sobre inventarios, promociones y ajustes de precios, lo que permite anticiparse a las demandas del mercado.
Optimización de la Experiencia del Cliente: Utilizando productos de datos orientados al cliente, como recomendaciones personalizadas o análisis de satisfacción, se puede generar un mayor compromiso y fidelización, creando una relación más profunda y satisfactoria con el consumidor.
Eficiencia Operacional: Los productos de datos operacionales, como la automatización de flujos de trabajo o la integración de sistemas, permiten una mejora en la logística, gestión de inventarios y operaciones diarias, lo que reduce costos y tiempos de respuesta, aumentando la eficiencia en toda la cadena de valor.
Reducción de Costos: Al reducir el tiempo de inactividad de los datos y mejorar la calidad de la infraestructura de datos, el ROI se maximiza, ya que se minimizan los costos asociados con errores y fallas en los sistemas, mejorando la fiabilidad de las operaciones.
Adaptabilidad y Escalabilidad: La inversión en soluciones de datos que mejoren la infraestructura tecnológica no solo resuelve necesidades inmediatas, sino que también permite a las empresas adaptarse rápidamente a los cambios del mercado y escalar sus operaciones a medida que crecen.

Conceptos Claves

La pirámide del ROI de los datos es un modelo conceptual que ayuda a las organizaciones a medir y maximizar el valor generado por sus inversiones en infraestructura y productos de datos. La imagen 1 representa una estructura jerárquica, donde cada nivel contribuye al retorno final de la inversión. Comienza con la inversión en datos (recursos financieros, humanos y tecnológicos), seguida por la evaluación del beneficio que genera el producto de datos (en términos de ingresos, eficiencia operativa, satisfacción del cliente, entre otros) y culmina con la medición del tiempo de inactividad de los datos, un factor crucial que impacta la disponibilidad y fiabilidad de las soluciones. Al comprender y aplicar este modelo, las empresas pueden optimizar sus estrategias de datos, asegurando que cada inversión se traduzca en valor tangible y medible para el negocio.

Imagen 1. Pirámide del ROI de los datos y sus componentes clave. Svitla (s.f.). Data ROI Pyramid. Recuperado de https://svitla.com/wp-content/uploads/2024/10/Data-ROI-Pyramid-1024×641.jpg

Producto de datos

Es una solución que representa un activo o conjunto de activos que proporcionan valor a la organización y los clientes. Ejemplos de estos pueden ser los dashboards, reportes analíticos, modelos de machine learning, APIs y conjuntos de datos utilizados para estrategias de fidelización y toma de decisiones.

Equipo de datos

Son los responsables de velar por la infraestructura, la tecnología, la gobernanza y la calidad de los datos.

Ingenieros de datos: Diseñan, desarrollan y optimizan los pipelines de datos para garantizar su disponibilidad y calidad.
Analistas de datos: Interpretan y visualizan la información para generar insights accionables.
Data Governance Lead: Define políticas, normativas y estrategias de calidad y seguridad en la gestión de datos.
Arquitectos de datos: Diseñan la infraestructura que soporta el ecosistema de datos.
Científicos de datos: Construyen modelos analíticos y de machine learning para extraer valor predictivo y prescriptivo.
Product Manager de datos: Gestiona el ciclo de vida del producto de datos asegurando alineación con los objetivos del negocio.

Valor del producto de datos

El valor del producto de datos se refiere a los beneficios obtenidos a través del uso de datos y análisis. Esto incluye ingresos generados por productos o servicios basados en datos, ahorros derivados de la optimización de operaciones, mejoras en la toma de decisiones empresariales, mayor satisfacción del cliente y reducción de riesgos. Para medir este valor, las organizaciones pueden analizar métricas como los ingresos generados, los costos evitados, las mejoras en la productividad, las tasas de retención de clientes y el número de nuevos clientes adquiridos gracias a los conocimientos obtenidos a partir de los datos.

Pirámide ROI de datos

La pirámide del ROI de los datos representa una estructura jerárquica (imagen 2) donde cada nivel contribuye al valor final que la organización obtiene de los datos. Se compone del cálculo de la inversión en datos, del beneficio del producto de datos y la disponibilidad del producto de datos.

En primer lugar, se tiene en cuenta la inversión en datos, los cuales pueden ser los recursos financieros, humanos y tecnológicos invertidos para el desarrollo y mantenimiento de un producto. Otra variable relevante para el cálculo del ROI de los datos es el beneficio de una solución de datos, esta depende del impacto en el negocio, ya sea en términos de mejora en la experiencia al cliente, reducción de tiempos de respuesta y eficiencia de procesos. El último elemento de la pirámide es el tiempo de operatividad de un producto de datos, esta variable representa una condición crítica en lo que respecta a la continuidad de procesos y el impacto en el ambiente de la compañía.

Imagen 2. Data ROI. Monte Carlo Data (s.f.). Data ROI Pyramid. Recuperado de https://www.montecarlodata.com/blog-data-roi-pyramid

A continuación se presentan de manera general las variables asociadas al calculo del Retorno de Inversión en Datos

Data ROI = (Valor del producto – Tiempo de Inactividad de los Datos) / Inversión en datos

Valor del Producto de Datos: El valor del producto de datos representa los beneficios derivados del uso de datos y análisis, como ingresos, ahorro de costos, mejores decisiones, mayor satisfacción del cliente y reducción de riesgos. Se mide a través de métricas como ingresos generados, eficiencia operativa y adquisición de clientes.

Tiempo de Inactividad de los Datos: El data downtime ocurre cuando los datos son inaccesibles o incorrectos, afectando su valor y confiabilidad. Su cálculo, basado en la frecuencia y duración de incidentes, permite identificar costos ocultos y justificar inversiones en calidad de datos para minimizar pérdidas y optimizar el ROI.

Inversión en Datos: Incluye todos los costos asociados con proyectos de datos, desde infraestructura y software hasta salarios y mantenimiento. Evaluar estos costos es clave para medir el ROI con precisión y optimizar la asignación de recursos.

Cálculo de inversiones en datos

Es el conjunto de recursos financieros destinados a la adquisición, desarrollo, mantenimiento y optimización de infraestructuras, tecnologías y talento humano con el objetivo de gestionar, procesar y analizar datos dentro de una organización.

Data Investment = Personas + Soluciones

Personas: Equipos de trabajo encargados del desarrollo y mantenimiento de la infraestructura de datos, incluyendo roles, salarios calidad del personal humano
Soluciones: Costos operativos y de capital relacionados con la infraestructura tecnológica necesaria para la gestión y análisis de datos.

Cálculo del valor de un producto

Es la contribución medible de un producto de datos al negocio, ya sea en forma de ingresos adicionales, reducción de costos u otras mejoras de desempeño. Este concepto permite vincular los proyectos de datos con el retorno de la inversión (ROI) asegurando que las iniciativas de datos estén alineadas con los objetivos empresariales.

Data Product Return = (Ingresos adicionales + Ahorro de costos + Valor de mejoras en eficiencia + Valor de retención de clientes) – Inversión en datos

Lo anterior no es más que la diferencia entre los beneficios netos aportados y el costo del producto de datos. De esta manera es que se puede estimar de manera generalizada cuanto valor neto aporta un producto de datos en términos monetarios, ayudando a comunicar el retorno de las iniciativas de datos de forma objetiva.

Por otra parte, debemos comprender que por la demanda, la naturaleza y el avance constante de la tecnología resulta complejo determinar el valor de un producto de datos. Sin embargo, basta con reconocer que no todos generan valor de la misma manera, es decir, algunos están enfocados en la generación de la información, mientras que otros se centran en construir un valor de uso inmediato y otros en responder a los requerimientos y personalización de una compañía por ellos a continuación hablaremos de las 3 categorías primarias

Productos de Datos Analíticos: Son los más reconocidos en la industria. Son aquellos orientados a proporcionar información y apoyo en la toma de decisiones a través del análisis de los datos, sintetizando información y transformándola en datos de conocimiento para mejorar la calidad, velocidad y acierto de las decisiones.
Productos de Datos Operacionales: Están enfocados en el uso de los datos para optimizar procesos internos y operaciones diarias que tengan impacto estratégico para la organización. Dicho impacto estratégico se define a través de la determinación cuantitativa de cuánto mejora la eficiencia operativa y de cuánto disminuyen los costos de operación. Los productos de datos operacionales van desde integraciones automatizadas para alertas, flujos de trabajo ETL o paneles operacionales de monitoreo para equipos, cadenas de suministros o estados de aplicativos.
Productos de Datos Orientados al Cliente: Son conjuntos de datos representativos de una organización, de los cuales pueden extraerse propuestas de valor que le generen de forma inmediata o a futuro beneficios en particular para los clientes externos. Dichos productos de datos se centran en el impacto en la experiencia al cliente y en el beneficio que estos obtienen al consolidar dicho producto como un nuevo activo. Un ejemplo de impacto puede verse reflejado en una mayor satisfacción del cliente, confiabilidad o en el aumento de la retención y fidelidad.

Cálculo de tiempo de inactividad de los datos

Finalmente, un elemento fundamental en el ROI de los datos es el coste organizacional de inactividad de los datos. Esta medida permite determinar la fiabilidad de un producto y el impacto en el tiempo para la organización de tener inactivo el uso del producto o los datos que genera.

Data Downtime = número de incidencias * ( promedio en el tiempo de detección + promedio de tiempo de resolución)

Número de Incidencias: Cantidad total de incidentes en los que los datos estuvieron inaccesibles o incorrectos.
Promedio en el Tiempo de Detección: Tiempo medio que tarda un equipo en identificar una falla en los datos.
Promedio de Tiempo de Resolución: Tiempo medio requerido para corregir un incidente una vez detectado.

De acuerdo a la metodología, este componente del cálculo del ROI debe centrarse sólo en el tiempo de inactividad que viole sus SLA de datos. De esta manera, podrá cuantificar el impacto de los datos o las soluciones defectuosas en pérdidas significativas por inactividad, priorizando la calidad de los productos de datos y fortaleciendo procesos de detección y mitigación de errores con el objetivo de reducir los tiempos de identificación y resolución.

Caso de éxito

THG es un reconocido grupo tecnológico de comercio electrónico cuyo producto insignia eCommerce ofrece soluciones integrales para todo tipo de consumidores en el sector de comercio electrónico. THG se encontraba en un plan de expansión de infraestructura física que requería implementar soluciones flexibles y automatizadas de forma fácil para los diferentes centros de distribución con el propósito de integrar a las operaciones de distribución.

Para tal propósito, alinearon un plan bajo la metodología ROI para asegurar un rápido retorno de inversión a través de una inversión en automatización efectiva que debía de priorizar la eficiencia y la adaptabilidad, de esta forma no solo cumplierian con los requerimientos de los centros de distribución actuales sino también para futuras implementaciones en nuevas instalaciones.

La inversión en automatización se llevó a cabo por Element Logic y en tan solo 3 meses completaron el desarrollo, la instalación y la integración de la solución. Como resultado, en las próximas 6 semanas THG identificó que el sistema de almacenamiento y distribución había aumentado en 10 millones de unidades con respecto al nivel que manejaban anteriormente en su negocio. Lo anterior, desencadenó nuevas adquisiciones en infraestructura y servicios en respuesta al crecimiento de su negocio y la demanda, acudiendo nuevamente a Element Logic Para el proceso de integración garantizando no solo una expansión eficiente en productividad para el negocio, sino también en la consolidación de futuras demanda con la empresa que les implementó la solución.

Resultados Obtenidos

Datos

Más de 10,000 contenedores procesados por hora
Instalación en solo tres meses durante la pandemia de COVID-19
10 millones de unidades integradas en el sistema en seis semanas

Beneficios:

Mayor productividad, evidenciada desde los primeros pasos de la operación (almacenamiento, preparación y envío).
Adaptabilidad ante una demanda en crecimiento y la necesidad de expansión operacional por parte de negocio.
Mejor experiencia en el cliente, aceleración en los tiempos de procesamiento, esto se tradujo en una mejor gestión de los pedidos y envíos a los clientes.
Reducción de costos laborales: Reducción en costos de mano de obra, incentivos en ofrecer a sus trabajadores roles más atractivos con mayor generación de valor.
Retorno de inversión: El tiempo de recuperación de la inversión superó las expectativas y 2 años recuperaron la inversión inicial.

Conclusión

En el contexto actual, es fundamental que los equipos de datos adopten metodologías y estrategias claras que les permitan cuantificar con precisión el presupuesto, las asignaciones y el impacto de sus proyectos. Al medir adecuadamente el valor de un producto de datos, las organizaciones pueden priorizar sus iniciativas de manera más eficiente, asegurando que cada esfuerzo esté alineado con los objetivos estratégicos del negocio y que se obtenga un ROI positivo.

El valor de un producto de datos no solo es una medida teórica, sino también práctica, que refleja cuánto contribuye un activo de datos al éxito y la rentabilidad de la organización. Este valor va más allá de los números, ya que impacta directamente en la mejora de la toma de decisiones, la optimización de procesos y la creación de experiencias más satisfactorias para los clientes. Al integrar un enfoque robusto para calcular el ROI de los datos, las empresas pueden maximizar el potencial de sus inversiones en datos y asegurar una ventaja competitiva sostenible en un mercado cada vez más impulsado por la información.

La pirámide del ROI de los datos: Cómo convertir infraestructura en valor de negocio