Una enorme cantidad de datos que se descartan —el llamado «residuo de datos»— en realidad tiene mucho valor y podría aprovecharse para crear nuevas ventajas competitivas, según este artículo de opinión de Scott Snyder, miembro sénior de Wharton, y Alex Castrounis, vicepresidente de producto y análisis avanzado de Rocket Wagon, una empresa de Internet de las cosas, tecnología digital e inteligencia artificial.
En lugar de Internet de las cosas (IoT), ¿quizá deberíamos llamarlo los datos de las cosas o Internet de los datos?
Según el Cisco Visual Networking Index de 2016, para 2018 el IoT generará la asombrosa cifra de 400 zettabytes (o 400 billones de gigabytes) de datos al año. Esto se debe a toda clase de dispositivos, desde los wearables y los dispositivos domésticos inteligentes hasta plataformas conectadas de alta gama como el Boeing 787, que genera 40 terabytes por hora de vuelo, o una operación minera de Rio Tinto, que puede generar hasta 2,4 terabytes de datos por minuto (más de 20 veces lo que genera Twitter en un día).
Pese a este enorme crecimiento de los datos procedentes de dispositivos IoT, solo una pequeña cantidad (8,6 zettabytes) se enviará realmente a centros de datos para su almacenamiento y análisis posterior: el «residuo de datos» es mucho mayor que lo que se analiza realmente para obtener información útil. Sin embargo, gracias a los rápidos avances en conectividad IoT de mayor alcance y menor consumo, sensores más pequeños y baratos, y computación en la nube y en el borde con inteligencia artificial (IA), no solo se podrá analizar una mayor parte de este residuo de datos para obtener nuevos conocimientos, sino también convertirlo en acciones en tiempo real. Los coches autónomos son un excelente ejemplo del aprovechamiento de grandes cantidades de datos de sensores para aprender comportamientos de conducción seguros y eficientes en función de cada nuevo escenario y entorno.
Según BCG, el 80 % de las empresas más innovadoras aprovechan los datos para impulsar ventajas en sus negocios. Por eso empresas como Progressive, Nike y John Deere siguen invirtiendo en dotar de sensores a sus productos y en aprovechar sus beneficios en forma de información sobre los clientes, ventajas económicas e innovación de modelos de negocio. Sin embargo, para la mayoría de las empresas, el valor de los datos es algo secundario al desarrollar nuevos productos u ofrecer servicios, por no hablar de mejorar sus operaciones. En lugar de empezar por preguntarse cuánto valor podrían tener los datos resultantes, se centran simplemente en hacer que algo esté «conectado», como si eso fuera lo valioso.
Quizá haya cosas que nunca deberían conectarse, como el preservativo inteligente i.Con, que puede calcular las calorías quemadas durante las relaciones sexuales, o el exprimidor conectado Juicero, que a nadie le interesó pese a haber atraído inversiones por valor de 120 millones de dólares.
¿Y si los datos fueran la fuerza impulsora desde el principio y toda la solución se construyera partiendo de la pregunta de cómo y por qué aprovechar los datos generados? Pese a las ideas equivocadas habituales sobre el IoT —que el valor está en el hardware y la conectividad—, estos son solo medios para recopilar datos de forma más eficiente y fluida, y quizá incluso acceder a datos que antes no podíamos obtener. Por ejemplo, al incorporar un sensor en un inhalador para el asma o la EPOC que recopila datos en tiempo real sobre cuándo y dónde lo usan las personas, la startup Propeller Health ha reinventado la forma en que se controlan las enfermedades respiratorias. Tras integrar datos detallados de uso de distintos grupos de pacientes con datos externos como el clima y la calidad del aire para ofrecer orientación personalizada en tiempo real, Propeller ha demostrado una reducción del 50 % en los ataques de asma no planificados, con el potencial de ahorrar miles de millones en costes sanitarios.
El «residuo de datos» es mucho mayor que lo que realmente se analiza para obtener información útil.
De manera similar, Progressive Insurance está convirtiendo los datos sobre hábitos de conducción recogidos por el sensor vehicular Snapshot en mejores modelos de riesgo y primas más bajas para los conductores participantes que muestran buenos hábitos al volante. Actualmente, esto representa más del 20 % de sus ingresos por canales directos. En ambos casos, estas empresas usan el IoT para que la recopilación de datos sea fluida e invisible para el usuario final, a la vez que crean valor para este y para sus clientes.
En el ámbito B2B, empresas como John Deere han usado los datos del IoT para transformar su modelo de negocio. En 2014, una explotación agrícola promedio generaba 190.000 puntos de datos al día; se proyectaba que en 2020 generaría 4,1 millones, impulsada por el notable aumento de sensores en los campos y los equipos. Al convertir estos flujos de datos en información útil y análisis prescriptivos, es decir, decisiones automatizadas basadas en datos, Deere pasó de vender equipos agrícolas a ofrecer servicios de «agricultura de precisión», guiados por su ventaja basada en datos. Al igual que en el caso de John Deere, los datos del IoT están posibilitando modelos de negocio «como servicio» (XaaS) en muchas otras industrias con gran intensidad de activos, como la aviación, la minería, el transporte y la construcción, al permitir supervisar y optimizar el uso y la fiabilidad de cada producto o plataforma.
Los datos casi siempre contienen información y un valor significativo si se sabe dónde y cómo buscarlos. El valor de los datos reside no solo en la información que contienen, sino también en su utilidad como moneda de cambio para que las empresas colaboren con socios potenciales. Los datos se pueden vender, intercambiar, etcétera. El valor de los datos puede desbloquearse y, en última instancia, proporcionar una ventaja competitiva mediante distintas formas de análisis y monetización.
Ganar la carrera con datos
El automovilismo profesional es una forma de IoT, en la que el coche actúa como «cosa». Los datos de los sensores del coche se transmiten en tiempo real a los ingenieros para su análisis. Se envían a los ingenieros en los boxes mediante telemetría desde la pista basada en tecnología de radiofrecuencia (RF), y quizá también a través de una red (por ejemplo, WAN o celular) a ingenieros en una ubicación remota, como la sede del equipo de carreras.
Un IndyCar típico tiene hasta 80 sensores. Suponiendo una frecuencia de muestreo de 1000 kHz, eso equivale a 80.000 muestras de datos por segundo, o 640.000 millones de muestras de datos durante las 500 Millas de Indianápolis. Dada la enorme cantidad de datos que se genera cada vez que el coche está en la pista, una fuente primordial de ventaja competitiva es la capacidad de convertir montañas de datos en valor práctico casi en tiempo real. Ahí es donde entra el análisis.
No es raro que el presupuesto anual de un equipo de IndyCar con dos coches ronde los 15 millones de dólares, y algunos equipos de Fórmula 1 llegan a los 500 millones de dólares. Para los equipos existentes, su capacidad para conseguir patrocinio y el importe que pueden obtener dependen por completo de su rendimiento histórico y de su ventaja competitiva, tanto real como percibida. En términos generales, los equipos pueden mejorar su rendimiento y ventaja competitiva de dos maneras: «hacer que el coche vaya más rápido» (una frase habitual entre los miembros de los equipos) o ganar posiciones y quizá una carrera gracias a una estrategia superior o a circunstancias fortuitas.
Hacer que el coche vaya más rápido es posible únicamente mediante el análisis de datos. Estos datos pueden proceder de sensores a bordo y sistemas de adquisición de datos, comentarios del piloto, túneles de viento, bancos de pruebas de siete postes, simulaciones por ordenador, pruebas en pista, pruebas de neumáticos, simulaciones y pruebas de dinámica de fluidos, pruebas de motores en dinamómetros, etcétera. La capacidad de superar en astucia a los competidores con una mejor estrategia durante la propia carrera depende en gran medida tanto de los datos históricos como de los datos de la carrera en tiempo real.
No desperdicies el residuo de datos de tu IoT. Podría contener la información necesaria para impulsar una ventaja competitiva.
En ambos casos, el uso de análisis avanzado permite a los equipos de carreras convertir los datos en un mayor rendimiento (coches más rápidos y tiempos por vuelta más bajos) y quizá también en mejores resultados gracias a la estrategia. Parte del análisis lo realizan manualmente científicos de datos e ingenieros; otro se automatiza. En este contexto, el análisis puede ser descriptivo e incluir visualización de datos, análisis estadístico y análisis avanzado, que puede incorporar la aplicación de técnicas y algoritmos de inteligencia artificial y aprendizaje automático.
Cuanto más rápido es el coche y mejores son los resultados de carrera en promedio, más fácil les resulta a los equipos conseguir dinero, y en mayor cantidad. Lo mismo ocurre en los negocios. Cuantas más ventajas competitivas genere una empresa, mejor será su rendimiento financiero, ya que le resultará más fácil captar clientes, fidelizarlos y aumentar su número.
Convierte el «residuo de datos» en valor
Tener una ventaja competitiva significa que tú o tu empresa podéis ofrecer algún tipo de valor que vuestros competidores no pueden. Puede ser mediante la innovación, una ejecución superior, mejores experiencias de usuario o una mayor capacidad para obtener datos y convertirlos en valor.
Los datos transforman la toma de decisiones: pasa de basarse en la intuición o en conjeturas fundamentadas en la historia y la experiencia a basarse en patrones y predicciones objetivas. Los datos también nos permiten cuantificar las hipótesis subyacentes en las que se basan nuestras decisiones y asignarles una probabilidad y un orden de magnitud. En efecto, los datos nos permiten saber cuánto podemos mejorar u optimizar algo.
El IoT no solo representa una oportunidad para recopilar muchos más datos sobre productos, servicios y operaciones, sino también para impulsar una ventaja competitiva para tu empresa, como en el caso de un equipo de IndyCar. Pero para desbloquear esa ventaja, hay que sentar las bases antes del «día de la carrera» para poder ganar. Esto incluye lo siguiente»
— Instrumentar para obtener resultados. Esto empieza por identificar las posibles oportunidades para obtener valor de los datos del IoT y determinar la forma más fluida y económica de recopilar los datos necesarios para aprovecharlas. Por ejemplo, si un atleta ya lleva zapatillas con tacos o una camiseta, quizá podamos incorporar allí el sensor, en lugar de tener que crear un dispositivo nuevo y calcular su coste.
Nike ha realizado importantes inversiones para ampliar la plataforma Nike+ (zapatillas conectadas, wearables y aplicaciones) y recopilar datos más detallados sobre más de 7 millones de corredores y sus hábitos, con el fin de aumentar las ventas mediante la sustitución inteligente (saber cuándo se desgasta la suela) y ofrecer calzado y ropa más personalizados.
Under Armour ha gastado casi 500 millones de dólares para acceder a 150 millones de usuarios de servicios digitales de actividad física y salud, y lanzó HealthBox para aprovechar la misma oportunidad de recopilación de datos y profundizar aún más en la información sobre salud y bienestar. Además de identificar los medios más eficientes para recopilar datos (sensores y conectividad), las empresas también deben implementar un entorno de macrodatos para incorporar, gestionar y analizar los distintos flujos de datos del IoT que prevén procesar.
— Ajustar para optimizar. Una vez instalados los instrumentos para recopilar y almacenar los datos, se necesitan el talento y las herramientas para convertir estos datos del IoT en información y decisiones que aporten valor al negocio. Esto implica contar con un equipo de científicos de datos, ingenieros de datos y arquitectos que pueda responder tanto a preguntas conocidas para optimizar el rendimiento como a preguntas nuevas mediante el descubrimiento de patrones ocultos en los datos. En las aplicaciones para ciudades inteligentes, comprender el flujo de vehículos y determinar alternativas para optimizar el tráfico es un problema conocido.
Plantear la hipótesis de que los viajes compartidos afectan negativamente al tráfico en ciertas zonas debido a una reducción del uso del transporte público sería una pregunta nueva. Esto requiere un equipo de datos y análisis capaz de proponer y poner a prueba hipótesis rápidamente mediante las plataformas más recientes de análisis predictivo e IA (como TensorFlow, Torch o H20.ai) para generar estrategias y acciones recomendadas que permitan lograr el resultado deseado.
Encontrar científicos de datos con este tipo de pensamiento crítico no es fácil y puede requerir integrar empleados con distintas habilidades (programadores de Python, modeladores, estadísticos y analistas de negocios), a la vez que se crea una cantera de talento a través de otros canales (como competiciones de datos abiertos en Kaggle o el patrocinio de proyectos estudiantiles para identificar nuevos talentos).
— Correr para ganar. Contar con los datos, la información y las acciones recomendadas te permitirá optimizar aún más tu negocio o plataforma actual. Sin embargo, desbloquear todo el valor de los datos suele requerir replantearse la oferta general y el modelo de negocio en torno a los datos y a la capacidad de aprovecharlos como ventaja fundamental.
Dada la capacidad del IoT para generar volúmenes extraordinarios de datos sobre las operaciones actuales de una empresa y la experiencia de sus clientes, las empresas tienen una oportunidad única de adoptar un modelo de negocio centrado en los datos y ofrecer sus productos como un servicio continuo; por ejemplo, una farmacéutica podría pasar de vender medicamentos a ofrecer gestión de enfermedades (mediante el seguimiento de pacientes), o un fabricante de automóviles, de vender coches a vender kilómetros de transporte. Además, las empresas pueden desarrollar productos conectados y ofertas completamente nuevos si integran los activos de datos del IoT y las capacidades de ciencia de datos desde el principio de su proceso de innovación, en vez de tratarlos como algo secundario.
Desbloquear todo el valor de los datos suele requerir replantearse la oferta general y el modelo de negocio en torno a los datos y a la capacidad de aprovecharlos como ventaja fundamental.
En resumen, si el IoT es el nuevo internet y los datos son el nuevo petróleo, no dejes que se desperdicie el residuo de datos de tu IoT. Podría contener la información necesaria para impulsar la ventaja competitiva que te ayudará a ganar la carrera del futuro en tu mercado. Pero primero hay que desarrollar las capacidades necesarias para captar y analizar estos datos con eficiencia, y renovar el proceso de innovación para aprovechar el poder de los datos generados por el IoT en nuevos productos, servicios y modelos de negocio que te distingan de los demás. Prepárate para arrancar los motores.
