Greg Kinsey es asesor sénior en los ámbitos de excelencia operativa, transformación digital e Industria 4.0, y ayuda a las empresas industriales con su estrategia de Industria 4.0, su implementación, el apoyo y la alineación de las partes interesadas, el compromiso en el Genba y la materialización de los beneficios. En enero de 2023, se unió como socio a la consultora internacional de operaciones Argon & Co, liderando la práctica de Manufactura digital.
¿Qué tan importante es democratizar la analítica?
Creo que es de vital importancia que la analítica de datos sea parte integral de casi todos los trabajos industriales. Ya sea que estés trabajando en una planta, una oficina, un centro de servicio o atendiendo directamente a los clientes (sin importar el cargo o la industria) en el mundo de hoy, es esencial que tengas a tu alcance el análisis de datos correcto. Los datos te ayudan a tomar las mejores decisiones para que puedas optimizar el trabajo que estás haciendo. Los datos evitan que se cometan errores. Contar con los datos adecuados para hacer tu trabajo mejora la productividad, reduce el estrés y aumenta la satisfacción laboral.
¿Qué tan importante es la alfabetización de datos para todos?
La alfabetización de datos es importante, pero quizás lo más importante es que necesitamos herramientas que nos permitan usar fácilmente los datos en el trabajo, de una manera similar a cómo usamos los datos en casa. La revolución digital surgió originalmente como una revolución impulsada por el consumidor. Todo tenía que ver con comercio electrónico, redes sociales y datos personales. Casi todo el mundo tiene dispositivos digitales en su hogar, y casi siempre los llevan en la mano o la muñeca. Sin importar cuáles sean tus pasatiempos, estoy seguro de que usas datos para practicarlos. Indistintamente de que seas un corredor de maratón, un chef o músico aficionado, restaures antigüedades o practiques cualquier tipo de deporte, los datos están presentes. Todo lo que hacemos actualmente en nuestras vidas personales requiere datos, y esos datos nos ayudan a obtener más de la vida. Todavía no hemos visto que ese cambio haya ocurrido completamente en la vida laboral industrial.
Ciertamente, en los diferentes sectores industriales, las personas ya recopilan y reportan datos, pero no necesariamente tienen acceso a la analítica adecuada que necesitan para realizar mejor su trabajo. Este problema no tiene tanto que ver con la alfabetización de datos, sino con que las organizaciones creen el entorno adecuado y tengan las herramientas correctas en los lugares correctos, y que sean fáciles de usar. Eso conduciría a una democratización de la analítica en toda la fuerza laboral.
¿Necesita mejorar su alfabetización de datos? Vea si puede responder a estas 5 preguntas, complete nuestro cuestionario en inglés > >
¿Debería ser más accesible la ciencia de datos para ampliar la comunidad de usuarios? ¿Por qué es eso vital?
Es necesario que la ciencia de datos pase a formar parte de todo lo que hacemos. El término “científico de datos” es engañoso: creo que cualquiera que use la estadística básica podría considerarse un científico de datos. Los datos rigurosos sobre el uso están aumentando actualmente en casi todos los roles profesionales, así que a la larga todos nos convertiremos en “científicos de datos”, como parte de cualquier trabajo que hagamos.
Participé activamente en el inicio del movimiento Six Sigma en la década de 1990. Fue entonces cuando reconocimos el poder de brindar a los trabajadores industriales acceso a las herramientas estadísticas básicas. No los llamábamos “científicos de datos”, sino que más bien se nos ocurrió el término “Black Belts”. Usaban la ciencia de datos para describir procesos, solucionar problemas y aplicar la analítica básica a las operaciones diarias. Así fue como la ciencia de datos se arraigó originalmente en el ámbito de las operaciones industriales. Six Sigma creó las bases para la transformación digital.
Hoy en día, el mundo de los negocios realmente está empezando a reconocer el valor de los datos. Se ha demostrado que tienen un gran impacto en la productividad, la toma de decisiones e incluso en la reducción de los niveles de estrés de los empleados, porque los problemas se pueden resolver más rápido y más fácil si se cuenta con los datos correctos.
¿Es lo digital un tema que solo se maneja dentro del área de TI?
Para nada. Creo que lo digital es un tema para toda la organización. El uso de datos y analítica, así como de las herramientas asociadas, deben extenderse a casi todas las funciones. Son muchísimas las empresas que mantienen los datos aislados en manos de unos pocos “expertos”, en lugar de permitir que todos accedan a datos que podrían ser útiles para ellos en su trabajo diario.
Ahora estamos avanzando hacia un mundo donde los gerentes de operaciones también son responsables de las estrategias digitales de sus funciones. Por lo tanto, cuando hablas con alguien que dirige un grupo de mantenimiento o un departamento de control de calidad o un área de marketing o una cadena de suministro, ellos son, o deberían ser, los responsables de la digitalización de esas funciones.
Gran parte del trabajo de consultoría que hacemos como parte de Hitachi es trabajar con los líderes funcionales.
El departamento de TI apoya la digitalización, pero creo que el impulso a la transformación digital realmente proviene de las operaciones, porque es allí donde se encuentran los usuarios. Los gerentes de operaciones son los que saben mejor por dónde comenzar con la digitalización y, con frecuencia, tienen una visión para sus operaciones futuras. Muchas de las mejores ideas provienen de personas que trabajan en las operaciones diarias, por lo que es importante que las incluyas en tus esfuerzos de diseño digital.
Esto es todo un cambio comparado con hace 20 años, cuando se implementaban nuevos sistemas y las organizaciones tenían que cambiar la forma en que trabajaban para adaptarse a las tecnologías de la información. Recuerdo que muchas empresas adaptaban sus procesos de negocio para que coincidieran con sus requisitos de estrictas aplicaciones de MES o MRP. Frecuentemente eso impedía la innovación y la optimización de las operaciones.
Ahora el proceso se está revirtiendo: tenemos la oportunidad de crear interfaces digitales, algoritmos y plataformas que tengan sentido para los procesos de trabajo. Este método más ágil se centra en los problemas que hay que resolver y en ofrecer mejores experiencias a los usuarios. Después, el departamento de TI debe dar soporte a esas innovaciones y hacer que encajen en la infraestructura general de TI.
¿Deben las organizaciones priorizar la inversión en soluciones de bajo código y sin código?
Sí, absolutamente. Piensa en cómo usamos nuestros teléfonos inteligentes. No necesitamos saber cómo codificar para hacer muchas cosas útiles con ellos. Debería ser igual con las herramientas de analítica en el trabajo. La experiencia del usuario debe ser rápida, fácil y relevante.
Durante los primeros días de las TI en el mundo de los negocios, todo tenía que ver con herramientas sofisticadas que solo los expertos podían usar. ¿Te acuerdas de las personas que se llamaban “programadores”? Hoy en día, la idea es descubrir herramientas de analítica que todos puedan usar. En Hitachi, estamos creando soluciones que no requieren amplios conocimientos de programación o codificación en lenguajes avanzados.
Los profesionales que se basan en los datos siempre están tratando de predecir qué tendrá el mayor impacto en los resultados empresariales. La analítica predictiva puede ayudar a identificar los factores más importantes en cuestión de segundos.
¿Por qué es tan importante eso?
La analítica predictiva es un verdadero punto de inflexión. La mayoría de los datos que se utilizan actualmente en la industria son retrospectivos. Los datos históricos describen lo que sucedió en el pasado. En algunas áreas, hay disponibles datos en tiempo real, que permiten ver lo que está sucediendo en el momento. Con la analítica avanzada de hoy, puedes comenzar a proyectar lo que sucederá, en función del comportamiento de los factores causales. Por ejemplo, tal vez el clima afecte tus operaciones. O tal vez una gran variación en los tipos de cambio afectará tu estructura de costos. O las preferencias de los consumidores están cambiando rápidamente. Sería conveniente recopilar y analizar datos sobre esos factores para entender lo que está sucediendo hoy, y lo que sucederá mañana. Para empezar a extrapolar para proyectar cuál será situación la próxima semana, o el próximo mes, ahí es donde la analítica predictiva, basada en el aprendizaje de máquina y datos factoriales, te permitirá visualizar el futuro.
Me gusta imaginarlo como un “viaje en el tiempo”. La analítica predictiva brinda la posibilidad de viajar a alguna fecha futura y crear escenarios, preguntando “¿qué pasaría si?”. ¿Qué pasaría si el mercado realmente marchara en una determinada dirección y en efecto la demanda cambiara de una manera específica? ¿Qué pasaría si aceleramos o ralentizamos un proceso? ¿Qué tal si simuláramos cambios en el diseño de un producto? ¿Qué pasaría si pudiéramos considerar el impacto de un resultado económico o político? ¿Cómo afectaría eso a la economía o al entorno regulatorio en el que operamos? El alcance puede ser amplio.
Luego, puedes juntar todos estos factores y generar escenarios para el próximo año, el próximo trimestre o el próximo mes. Empiezas a ver cómo se comportarán estas diferentes relaciones de causa y efecto en el futuro. ¿Qué podemos hacer al respecto? ¿Qué cambios o medidas correctivas se necesitarán en tal situación? Aquí es donde llega el valor. La optimización de tu rendimiento futuro.
Por eso es tan importante. Te da una ventaja, te permite anticipar lo que sucederá para que puedas manejar mejor tu negocio, tu organización y tus procesos para lidiar con todos los cambios que se avecinan. Se trata de ser ágil.
Potencie sus habilidades de analítica predictiva con capacidades potentes, pero fáciles de usar. Aprenda más en este seminario web a pedido >
¿Cree que los ingenieros pueden transformarse en científicos de datos con la tecnología de bajo código o sin código?
¡Absolutamente! Me formé como ingeniero, mi licenciatura es en Ingeniería mecánica. Aprendí que la ingeniería consiste en resolver problemas, modelar matemáticamente y aplicar el método científico. La ciencia de datos forma parte de eso.
El surgimiento de tecnologías que reducen la necesidad de programación compleja para acceder a los datos y utilizarlos está impulsando un mayor uso de la ciencia de datos dentro de la comunidad de ingenieros. Sin embrago, abarca mucho más que eso. Más allá de la comunidad de ingenieros es donde se logran las grandes ganancias. Cuando los trabajadores calificados que operan máquinas, que conducen vehículos, que mantienen equipos, que realizan funciones de manufactura, cuando todas esas personas comiencen a convertirse en científicos de datos, esas pueden ser las mayores ganancias. Y no nos olvidemos de los administradores, incluyendo los miembros de la alta dirección, que también se están convirtiendo en “científicos de datos”.
Cuando toda la organización cuenta con mejores datos y con herramientas de analítica fáciles de usar, eso se traduce en “ciencia de datos para todos”. Creo que este es uno de los elementos fundamentales de la 4ta revolución industrial.
¿Preparado para aprovechar el valor de sus datos? Hable con Minitab >
Se ha publicado otra entrevista con Greg Kinsey:
- Combinación de los equipos de TI y OPEX para la transformación digital. Para muchas personas, la transformación digital consiste en observar las nuevas tecnologías y preguntarse "¿qué puedo hacer con esa tecnología?" Descubra por qué esta forma de pensar es retrógrada, según Greg Kinsey >
- Fomentar una cultura de la innovación: artículo escrito con Greg Kinsey. Greg Kinsey tiene más de 30 años de experiencia en la industria de manufactura. En esta oportunidad nos cuenta por qué la innovación es tan importante y nos indica cómo podemos ser más innovadores. Lea este blog para obtener más información >