Las pequeñas y medianas empresas (Pymes) en México deberían implementar la analítica de datos para impulsar su crecimiento, más ante el entorno negativo provocado por la pandemia del covid-19 y la tercera ola de contagios, recomendó Juan Carlos Olarte, gerente de Conocimiento Soluciones y Producto de la compañía Infórmese.
Afirmó que desarrollar la analítica de datos genera beneficios en términos generales, y representa un factor de impulso para las Pymes y MiPymes en su lucha por mantenerse y crecer ante la pandemia de coronavirus, la cual, de acuerdo con el estudio sobre la Demografía de los Negocios (EDN) 2020 publicado por el Instituto Nacional de Estadística y Geografía (Inegi), arrasó con un millón 10 mil 857 establecimientos, micro, pequeños y medianos en México.
Juan Carlos Olarte explicó que los tres primeros factores a revisar a nivel negocio son el conocimiento del cliente, otro a nivel de producción u operaciones, y el tercero enfocado en el entorno, para analizar qué está pasando en las redes sociales o en las noticias, que pueda afectar al negocio y qué elementos externos están impactando al negocio como tal.
“Entender al cliente tiene muchos aspectos, por ejemplo, saber quién es mi cliente más rentable; quién es mi cliente más recurrente y cuáles son mis segmentos de cliente. Te pueden dar una visual en función de qué tan recurrentemente te compran, te adquieren un bien, un producto o un servicio; te ayudaría para generar una puntuación de tu cliente, de qué tanto dinero te está trayendo en tu día a día y qué tanto tus servicios realmente te ayudan a mover tu caja”, dijo.
Desde el punto de vista de operaciones, es sumar a partir de la información histórica de ventas, qué tanta demanda o qué tanto se va a vender determinado producto y observar en qué mes hay un factor o pico estacional, por ejemplo, el Día de la Madre.
El especialista destacó que observar los patrones históricos de comportamiento de venta, ayuda a estimar a partir de la historia cuál puede ser ese comportamiento a futuro, de manera que las Pymes o MIPymes prevean adquirir materia prima o comprar a ciertos proveedores que tienen buenos tiempos de respuesta para que no vayan a detener su línea de producción y así, anticiparse al entorno.
Pero, dijo, primero es necesario generar una cultura de captura de datos, así parezca sencillo, tales como la factura, la venta, la orden de compra, o los datos de cada cliente en su pedido, para poder hacer un análisis, y que aunado a ello, exista el compromiso directivo, de los dueños o de los gerentes, porque el principal motor es la gente.
“La gente termina implementando y explotando la analítica al servicio del negocio, pero es cuando ya hablamos de cuatro dimensiones importantes cuando vamos a trabajar analítica: tienes que alinear personas, proceso, tecnología y datos en ese camino. La persona que tiene una posición directiva va a tener esa facilidad de alinear y articular esos diferentes roles de las compañías y esas diferentes dimensiones”, explicó el especialista de Infórmese.
Para que la analítica suceda en las Pymes y MiPymes, recomienda “arranquen pequeño”, que significa primero dejar de pensar que eso es para proyectos grandes, complejos; que requieren a un ejército de personas para tecnología, una gran infraestructura o software pago, e ir por un problema puntual que garantice una victoria temprana a nivel de cliente, a nivel de operaciones o producción, o a nivel del entorno.
También es importante el uso de una metodología, que en temas de analítica y de tableros de control e inteligencia de negocio, se recomienda consultar autores reconocidos como Ralph Kimball, Bill Inmon, Larissa Moss, Thomas Davenport, Bernard Marr, Nir Kaldero, entre otros; y dentro de la analítica avanzada que está dentro de esta gran sombrilla analítica, consultar la metodología CRISP-DM, que puede ser una solución al seguir sus seis etapas para no perderse en el camino: entendimiento del negocio, entendimiento de los datos, preparación de datos, modelado, evaluación y despliegue.
Sobre el software, se puede iniciar con código abierto, con lenguajes R o Python, herramientas gratuitas para hacer analítica invirtiendo inicialmente sólo en el tiempo del equipo de trabajo ya existente.
TAGS RELACIONADOS:
