La promesa de la automatización de procesos de análisis y procesamiento de datos y el uso de Inteligencia Artificial en la toma de decisiones están animando las inversiones en el sector del Data & Analytics (D&A), y con el crecimiento del sector surgen nuevos retos y preguntas.
Data and analytics es, en esencia, un nuevo modo de resolver problemas a través de la innovación y el análisis. Con la revolución digital, las empresas tienen la capacidad de acceder y procesar una mayor cantidad de datos en tiempo real, y deben ser capaces de convertir esos datos en conocimiento y en políticas concretas con alto valor añadido para sus organizaciones.
No obstante es imprescindible responder a algunas cuestiones urgentes que surgen con el crecimiento del D&A. Una de estas cuestiones es la de la confianza.
¿Juega la confianza un rol importante en el mundo de los datos? Tanto consumidores como gestores parecen estar de acuerdo en que la confianza es imprescindible en toda la cadena de análisis de datos: desde el valor y fiabilidad de los datos estudiados como el tratamiento seguro de esos datos, hasta la veracidad de las conclusiones extraídas en el proceso de análisis.
Para los clientes, la confianza en las organizaciones juega un papel importante. Como se ha podido observar en los últimos tiempos, cuando se producen filtraciones que exponen los datos de clientes en grandes empresas, estas suelen sufrir un impacto en su reputación y, en algunos casos, en sus cuentas de resultados.
La cuestión de la confianza en el sector de D&A es aún un tema poco desarrollado fuera del mundo académico.
Uno de los principales problemas detrás del avance del uso de tecnologías de D&A es la complejidad. Muchos expertos hablan de “caja negra” cuando describen los nuevos ecosistemas de análisis de datos. La creciente incorporación de nuevos actores y tecnologías en el proceso hace más complicado designar responsables y determinar quién controla nuestros datos y qué uso les da.
La confianza es un concepto con alto valor pero difícil de definir y cuantificar. ¿Cómo pueden las empresas incorporar la concienciación sobre la confianza en este entorno complejo? En KPMG identificamos cuatro pilares o “anclas” que sirven de guía a aquellas empresas u organizaciones que trabajan con datos personales:
El primer ancla es un concepto clave: la calidad. ¿Es el input que reciben los programas de D&A de suficiente calidad? Los datos son la pieza fundamental en el D&A, y tanto la fuente como la actualidad y la veracidad de esos datos deben ser contrastados para que estos revistan de interés para organizaciones y consumidores.
El uso adecuado de los datos es el siguiente pilar. Para obtener conclusiones válidas deben utilizarse los datos pertinentes al contexto que los gestores pretenden abordar. Para saber si estamos dando un uso adecuado a los datos es imprescindible contar con expertos en los sectores relevantes para el estudio.
Una vez fijadas las dos primeras anclas, los responsables deben determinar la fiabilidad y precisión de las predicciones extraídas del análisis. No basta que unas conclusiones sean percibidas como correctas, además debe ser posible aplicarlas adecuadamente y que cumplan su objetivo.
Por último, el cuarto pilar es la integridad en el uso de los datos. Las empresas y organizaciones deben adherirse a unos principios éticos y legales suficientes para tranquilizar a los consumidores.
Gestionar la confianza de gestores y consumidores no es un ejercicio puntual para las empresas, sino una aproximación holística y constante al desarrollo de los procesos de análisis: desde la obtención de datos a la obtención de conclusiones que aporten valor para los actores.
La innovación constante en el sector de data and analytics y el rápido cambio en las necesidades y prioridades de la sociedad hacen que las cuestiones de privacidad, confianza o responsabilidad se vean sometidas a un constante proceso de redefinición en el marco legislativo y social. Es necesario abrir un debate sobre la cuestión de la confianza en el sector de análisis de datos, y KPMG ofrece en su serie de artículos Trusted Analytics un análisis exhaustivo sobre esta cuestión.
Deja un comentario