Cómo pensaría un ajedrecista una organización data-driven: la causa de la minería de procesos en la transformación digital

Los ajedrecistas escriben sus partidas.

Durante la competición, un jugador dispone de una planilla en la que se recogen todos los movimientos, los de sus piezas y los de la del rival. Hice una apertura con un peón de rey, me respondieron con peón de dama, saqué un caballo…

Esto tiene importantes ventajas.

La primera y más obvia, es que el árbitro puede reproducir la partida y determinar lo que tenga que determinar. También permite volver a colocar las piezas en la situación en la que estaban si la partida se interrumpe (parece ser que en la era de las computadoras de ajedrez esta costumbre está muy limitada).

Una segunda, es que el jugador puede volver a jugar y estudiar la partida y encontrar sus errores. Explorar otras variantes a las que ha usado y ver sus consecuencias. Si la partida se suspende, permite planificar la continuación de la partida.

La tercera es que, dado que las partidas se publican y las posiciones de un tablero se repiten con mucha frecuencia, todo el mundo puede estudiarlas y saber qué hacer ante situaciones similares y saber qué caminos recorrer que sean más beneficiosos.

De los resultados al análisis de operaciones

Lo que hace el ajedrez, además de medir el desempeño de un jugador (existe un Kpi extremadamente complejo como el número ELO que permite comprobar la potencia de los jugadores) es expresar cómo se jugó la partida, cómo se ejecuta y, por tanto, cómo se llega al resultado que otorga los puntos del ganador de un torneo y su valor como jugador. Es decir, podemos trazar todas las veces que alguien jugó y cómo obtuvo sus resultados y, derivadamente, una puntuación.

Visto desde un ejemplo rápido de vida empresarial: un comercial cumple su presupuesto de ventas o no, ¿pero cuántas ofertas debe realizar o modificar para cerrar? ¿cuántas reuniones? ¿cómo están ordenadas? Cualquier CRM contemporáneo contiene una definición de funnel que prevé una serie de cambios de estado de un prospecto y con una analítica que nos permitiría poder medir unas cuantas cosas. Por ejemplo, y lo más obvio: el tiempo desde que se inicia un contacto hasta que se cierra una venta. Por tipo de producto, de cliente… lo que queramos. Es decir, estamos observando la ejecución de un flujo de venta.

Vamos a complicarnos un poco más la existencia: ¿existen diferencias en la forma de ejecutar el mismo tipo de oferta cambiando el territorio, el comercial o la época del año? ¿Es más largo el funnel o surgen nuevas revisiones de la oferta cuando, por ejemplo, entre medias ha habido una llamada de atención al cliente? O, dentro de un rango de fechas determinado y condicionado a esa acción de atención al cliente que, probablemente, esté registrada en otro sistema y no se ve dentro del funnel, se ha retrasado o acelerado el cierre de un lead? Computacionalmente, estamos ante otro tipo de dificultades analíticas que la minería de procesos resuelve de forma mucho más productiva que otras disciplinas.

Pasando del ajedrez a la gestión basada en datos

Si regresamos al ajedrez, lo que hacen los jugadores es, en lenguaje de sistemas, crear un registro o log de cada una de las jugadas (eventos) que, de forma consecutiva, llevan desde el inicio al final de una partida (una traza). La minería de procesos es una disciplina que toma las trazas de los registros de las bases de datos de operaciones (CRM, ERP, etc.) y reconstruye las procesos (partidas) de modo que descubrimos de cuántas formas diferentes un mismo jugador ha empleado una defensa siciliana (o ha escalado un ticket de soporte) y sus alternativas (variantes) para llegar a la victoria o la derrota (el resultado de negocio).

Poniendo como ejemplo la entrega de una pizza a domicilio, lo que estamos examinando es la secuencia de actividades que conduce a un resultado (llamada, preparación de ingredientes, horno, empaquetado, recogida y entrega) con el grado de detalle que queramos de las tareas, con los tiempos empleados y toda la información que nos permitirá entender qué provocó, por ejemplo, que no se cumpliera el plazo de entrega prometido. Podremos, por tanto, y con un modelo de datos adecuado (pero hoy aspiramos a recoger datos de todo) examinar la causa raíz de desviaciones de costes, de incumplimientos de SLAs, etc. por razón de las personas y la organización, proveedores y materias primas, medios técnicos, herramientas y condicionantes del entorno (en el caso de las pizzas, la climatología es obvia, disponer de los sensores de los hornos y las neveras, también).

Podremos comparar cualquier atributo que precisemos de forma que nos demos todo tipo de respuestas a cómo estamos trabajando operacionalmente incrementando las opciones de optimización y de predicción.

Capturar y estructurar las trazas de eventos que reflejan las operaciones de las empresas es un paso pendiente de realizar por las organizaciones para lograr un salto más en un concepto de data-driven más integral: emplear el lenguaje de los datos de forma que eliminemos las opiniones – también – sobre la ejecución y no sólo sobre los resultados. La minería de procesos emplea el universo completo de todas las ejecuciones de operaciones, no emplea muestras, lo que permite -además de un fino análisis de cómo se trabaja- mejorar los procesos de conformidad regulatoria y compliance. Y, por supuesto, permite crear modelos predictivos.

Es fácil de hacer y, en la mayoría de los casos, los datos están ya ahí pendientes de sencillos ajustes técnicos. Pensar como un ajedrecista es sólo cuestión de actitud.