Cómo los sistemas legados frenan a las empresas

Los sistemas legados y las prácticas heredadas se han convertido en una barrera para que las empresas desarrollen todo su potencial aprovechando al máximo sus datos

¿Cuál es la situación de los sistemas legados y prácticas? ¿Pueden frenar a las empresas a la hora de sacar el máximo partido a sus datos?

Las prácticas más comunes que vemos que frenan a las organizaciones son aquellas en las que las empresas no se han embarcado en la creación de una plataforma de datos moderna. Una plataforma de datos moderna debe estar orientada al valor empresarial y proporcionar datos fiables, por diseño, desde el evento hasta la acción efectiva. Debe ser repetible y ampliable, y por tanto escalable. Esto es realmente difícil de hacer y algunos de los principales retos incluyen tratar con múltiples sistemas legados que abarcan ERP (planificación de recursos empresariales) como Oracle, SAP Peoplesoft, que ayudan a las personas a gestionar sus activos, procesos de adquisición, proyectos, RRHH, etc. Los sistemas legados también pueden ser CRM (gestión de las relaciones con los clientes), como Siebel, Salesforce, etc., que ayudan a las organizaciones a gestionar y perfilar a sus clientes para que puedan analizar e impulsar la fidelidad y las compras y la retención.

Estos sistemas, cuya implantación y mantenimiento suele costar millones a las empresas del FTSE 250 o a los organismos del sector público, son esenciales, pero en muchos casos son tan complejos y difíciles de introducir y extraer datos para unirlos que hacen que sea muy difícil para las empresas poder denotar la causa y el efecto entre una acción y una reacción. Suelen venir con su propio sistema de informes, que viene con cuadros de mando de buenas prácticas, pero sólo muestran lo que hay en el sistema único. La mayoría de las grandes organizaciones tienen múltiples sistemas ERP y CRM que han surgido a través de la actividad de fusiones y adquisiciones u orgánicamente.

La dificultad de unir los datos entre los sistemas y de tener definiciones y significados comunes de los datos está frenando el progreso. El identificador único de un cliente en el sistema CRM rara vez coincide con el identificador único del cliente en el sistema de facturación o en el sistema de control de créditos.  Por lo tanto, las organizaciones acaban limitándose a hacer las preguntas de los datos a los que tienen acceso en lugar de poder hacer las preguntas que podrían impulsar un cambio significativo. Por ejemplo, sin un conjunto de datos vinculados, ¿cómo se puede averiguar cuál es el valor neto de por vida de un cliente si se incluye el gasto de marketing y el coste de adquisición? ¿Qué clientes son rentables y cuáles son deficitarios? ¿Cuándo se alcanza el punto de equilibrio?

El reciente impulso de las soluciones de software como servicio ha dificultado aún más este problema.  Los llamados sistemas legados solían ejecutarse en servidores propiedad de la organización y sus equipos de TI podían acceder a todos los datos de los sistemas ERP y CRM y construir almacenes de datos que les permitieran unirlos y realizar análisis. La reciente tendencia de los servicios SaaS basados en la nube, como Oracle Fusion, Salesforce, MS Dynamic ERP y CRM, significa que el sistema es ejecutado y gestionado por el proveedor para usted, pero también significa que usted no tiene acceso bajo el capó a todos los datos. Los datos deben ser extraídos a través de APIs y pueden ser costosos y lentos

¿Hasta qué punto son conscientes las empresas de este problema? ¿Aceptan que existe un problema?

“Las empresas son muy conscientes de lo difícil que es unir los datos, obtener definiciones comunes, analizar la causa y el efecto y predecir el futuro.

“No es opcional gestionar los datos y la normativa GDPR obliga a todas las empresas a tener buenas prácticas de gestión de datos para evitar multas”. El GDPR (Reglamento General de Protección de Datos) establece una multa máxima de 20 millones de euros (unos 17,8 millones de libras esterlinas) o el 4% de la facturación global anual -lo que sea mayor- para las infracciones.

“Sin embargo, este cambio ha llegado para quedarse, y el creciente impulso de la nube y el modelo de pago por uso y Opex sobre Capex también ha llegado para quedarse. La clave es qué hacer al respecto y si se invierte para crear las herramientas y el cambio de organización”.

¿Hasta qué punto son conscientes las empresas de este problema? ¿Aceptan que existe un problema?

La mayoría de las organizaciones que vemos están migrando de los costosos sistemas monolíticos locales a paquetes más ágiles, basados en la nube, de software como servicio, para gestionar sus procesos. Nuestras conversaciones más frecuentes con los clientes versan sobre cómo migrar de la antigua a la nueva tecnología basada en la nube.

Permitir que las organizaciones hagan un mejor uso de los datos requiere cuatro cosas:

1. Construir una plataforma de datos moderna que permita una entrega ágil y apoye el autoservicio, los informes y los análisis. Cuando un fabricante mundial de bebidas no alcohólicas quiso aumentar sus capacidades de análisis e información y hacer que la IA fuera viable a escala, le ayudamos a establecer un único lago de datos para su uso en toda la organización. Ahora, los datos están siempre disponibles para los usuarios de la empresa en un plazo de 30 minutos. Las capacidades de la solución se están extendiendo a una serie de unidades de negocio y a socios externos, como las embotelladoras. Como resultado, el cliente está ahora mucho mejor posicionado para obtener valor empresarial a través de la colaboración en torno a los datos.
2. Adoptar una cultura y una mentalidad basadas en los datos. Los métodos tradicionales son demasiado lentos para aportar valor. Hay que potenciar la colaboración entre las funciones clave implicadas en la entrega de canalizaciones de datos y análisis. Racionalizar el flujo desde la definición de los requisitos, el desarrollo y el seguimiento del valor.
3. Invertir en servicios de confianza de datos. La gestión de datos significa habilitar un sólido catálogo de datos para garantizar que los usuarios sepan lo que está disponible, integrar prácticas de calidad de datos en la plataforma, automatizar la gestión del ciclo de vida de los datos para que sólo se utilicen los más útiles, disponer de una sólida solución de gestión de datos maestros y de referencia para permitir que los datos se unan entre sistemas y la privacidad y seguridad de los datos.
4. Centrarse en la automatización. Los equipos de gestión de datos necesitan herramientas modernas e interoperables para adquirir, organizar, preparar y analizar/visualizar los datos. Dado que las grandes organizaciones tienen cientos y a veces miles de fuentes de datos que cambian con frecuencia, las herramientas que pueden unificar los datos utilizando el aprendizaje automático, aplicar algoritmos de coincidencia difusa para identificar patrones y aplicar reglas de calidad de datos son cada vez más importantes y están madurando.

La habilitación de la inteligencia artificial y la comprensión de que los patrones en los datos son demasiado complejos para que un humano los identifique y el uso de la IA para impulsar los conocimientos.

¿Qué pueden hacer las organizaciones para desarrollar la coherencia en sus prácticas de trabajo y, al mismo tiempo, ser flexibles para adaptarse a diferentes entornos y cambios tecnológicos o económicos?

“La clave del éxito de una iniciativa de este tipo es la creación de un modelo operativo y una estructura organizativa correctos para definir e integrar las mejores prácticas en las distintas partes de la empresa.

“En 2001, la firma de análisis Gartner empezó a recomendar que las organizaciones crearan BICC (centros de competencia de BI). Un BICC coordinaría las actividades y los recursos de una organización. Es responsable de la estructura de gobierno de los programas, proyectos, prácticas, software y arquitectura de BI y analítica.

“En los últimos años, esto se ha transformado en centros de competencia analítica (ACC). Los ACC persiguen un objetivo más estratégico y siguen el objetivo estratégico de transformar la empresa hacia una empresa impulsada por los datos, crear experiencia en analítica, formular una estrategia de datos, identificar casos de uso para la minería de datos, establecer una plataforma de gestión e impulsar la adopción general de la analítica en toda la organización. El enfoque de un ACC es la adopción del autoservicio y la potenciación del negocio. La combinación de un ACC y DataOps proporciona la forma de ingerir, unificar y analizar los datos para las organizaciones modernas”.

¿Cómo puede evolucionar esto en el futuro? ¿Qué importancia tiene que las empresas se adapten y evolucionen, y cuáles son los riesgos para las que no pueden hacerlo?

En la economía digital, no tener en cuenta los datos no es una opción. Todos hemos visto cómo las industrias pueden transformarse completamente por los nuevos participantes nativos digitales. Fíjese en Uber, Airbnb. Todos hemos visto cómo estas empresas nativas digitales han transformado también las expectativas de los clientes. Mira cómo Amazon Prime que permite la entrega al día siguiente o en el mismo día ha hecho que la gente se acostumbre a ese servicio y cómo ahora esperamos lo mismo de otros negocios legados.

“El COVID-19 ha acelerado el declive de la calle principal y el cambio de los consumidores a la red. El 59% de los consumidores de todo el mundo afirmaba tener un alto nivel de interacción con las tiendas físicas antes de COVID-19, pero hoy menos de una cuarta parte (24%) se ve en esa categoría de alta interacción”.

La gestión de la cadena de suministro, la reducción de costes y la gestión del capital humano y los activos son fundamentales para la supervivencia de las empresas tradicionales. Los datos deben tratarse como un activo y gestionarse en consecuencia. Las empresas que no logren superar este reto tendrán una base de costes más elevada y serán menos competitivas que las que sí lo hagan.