10 consejos de Karim Touma para comenzar a usar los datos de tu startup con Analítica Avanzada.

Enero 2021 – Entrevista realizada por Martina Casas Irarrázaval – Opinión, Startups Chilenas.

Todo parece más fácil bajo el prisma de este experto en data science que recomienda dejar atrás las dificultades para emprender un proyecto sencillo y darle valor agregado a tu negocio.

El enfoque de Karim Touma sobre la ciencia de datos y la analítica avanzada (AA) es refrescante. “Trato de que los datos no sean el tema de conversación”, confesó incauto, antes de que se desprendiera sobre él una avalancha de preguntas acerca del tema. Su carrera y experiencia lo llevaron a una visión en que los datos aparecen como una vía para mejorar la operación de la empresa y darle valor agregado, pero sin que parezcan algo demasiado sofisticado, por eso se hace irresistible tratar de estrujar toda la información que pueda compartir. Con tan sólo 33 años, tiene una amplia trayectoria como cientista de datos. Actualmente, se desempeña como Director de Data Science para Falabella Retail y también como Gerente de Data Insight para el nuevo market place del Grupo Falabella.

“Las empresas en Chile están madurando, por ende, recién ahora está empezando la siguiente ola de valor agregado”, explicó Karim. Esta transición a la que se refiere tiene que ver con el estado de la transformación digital de las empresas chilenas, donde aún existe una barrera que mantiene a muchas de nuestras industrias, incluso las más grandes, alejadas de la posibilidad de emprender proyectos de analítica avanzada, porque no pueden acceder a la totalidad de sus datos. Por esta razón, la industria de data nacional actual es como lo que era desarrollo mobile hace unos 10 años: un trabajo innovador, pero con estándares aún desconocidos. Por ende, las personas que trabajan en el área hoy, por lo menos en Latinoamérica, aún son pioneros en muchos ámbitos.

Startups en la delantera

A pesar de lo anterior, “aunque no lo crean, una startup tiene ventajas competitivas por sobre cualquier otra empresa para hacer temas de analítica avanzada”, aseguró Karim. Esto se debe a que, en una empresa con gran peso histórico, la dificultad para obtener y ordenar la enorme cantidad de datos que posee bloquea la mayoría de estos proyectos. En cambio, una startup que nace digitalmente, con la tecnología disponible en la actualidad, puede habilitar sus datos desde el primer día de operaciones.

Además, como dijo Karim, actualmente todas las herramientas están disponibles en la web. “Hoy en día cualquier analista de datos puede ser un data scientist en función a las cosas que ya están pre hechas en muchas nubes públicas o plataformas como servicio”, afirmó. Conocer los datos y entender el proceso que se está ejecutando es lo más importante, y nadie sabe mejor qué es lo que quiere mejorar y cuáles son los datos, que la empresa misma.

“Lo difícil es saber en qué están los mayores quick wins, dónde está el valor. Una vez que se determina eso, es mucho más simple todo”, dijo Karim y aseguró que no es necesario contratar perfiles especializados, al menos en la mayoría del proceso. Un data scientist puede aportar una visión de cómo utilizar los datos para optimizar un proceso, pero, por lo general, las empresas saben qué procesos quieren optimizar y también conocen sus datos.

Los 10 consejos de Karim

Teniendo esta ventaja en mente, queda preguntarse ¿por qué no emprender proyectos de analítica avanzada? Si estás pensando hacerlo, hemos reunido los diez mejores consejos de Karim Touma.

  1. Transformarse digitalmente

Este es el punto de partida para obtener la materia prima de tu proyecto. Cuando una empresa no se ha transformado digitalmente, no puede explotar sus datos, lo cual se traduce en una barrera de entrada. Luego, la limpieza, orden y validación de la información obtenida es primordial para que pueda ser utilizada.

  1. No pensar en las dificultades

Para Karim, las complejidades de la ciencia de datos que alegan muchas empresas no son excusa para frenar un proyecto. Por eso, él trata de llamar a que las empresas se enfoquen más en cómo los datos pueden mejorar su propuesta de valor, y menos en las dificultades. “Lo que yo he visto en todos los años que he trabajado en esto, es que son cosas muy simples, las que hacen una gran diferencia en los procesos más importantes de las empresas”, aseguró.

  1. Utilizar las herramientas disponibles

Antes de emprender un nuevo proyecto, es necesario ver lo que existe en el mercado, al alcance de cualquier persona y que puede acercarte a tu objetivo. En la mayoría del proceso, no es preciso contar con un data scientist ni un equipo demasiado especializado, sólo educarte en el uso de herramientas accesibles, conocer los datos y saber qué es lo que se quiere mejorar.

  1. Identificar los principales pain points

Antes de implementar o realizar análisis de datos se deben tener claro los principales dolores de la startup, qué es lo que se quiere mejorar y donde se encuentran posiblemente los mayores quick wins.

  1. Escuchar más a trabajadores y clientes

Nadie tiene más claro dónde se encuentran los low hanging fruit, aquellos problemas de fácil solución que aportarán una mejora al negocio, que los trabajadores y clientes de la empresa.

  1. Decidir la estrategia

Para Karim, existen dos principales frentes. El “defensivo” que engloba todas las labores que te permiten mejorar los costos de tu empresa, y el de “ataque” que se enfoca en proyectos que te permitan aumentar las ventas y/o mejorar la propuesta de valor.

  1. Partir por lo simple

No pienses que debes implementar deep learning o reinforcement learning para tener un proyecto exitoso, a veces los quick wins pueden estar en los análisis más simples. “Puede ser un proceso que ni siquiera ocupe modelo analítico, simplemente que interrelacione datos de diferentes ambientes que no se conocían dado que vivían en silos de información y que mejore los procesos”, asegura Karim. Además, él recomienda ejercer las tareas hasta donde la empresa sea capaz y luego crecer paulatinamente, no bombardear con personal especializado que, de momento, sea innecesario.

  1. Ver la estrategia como una capacidad

Se debe manejar las expectativas del proyecto, porque muchas veces no existe certeza de que funcione. Por eso, al establecer un presupuesto se debe perder la mentalidad del financiamiento de un proyecto y verlo más bien como la adquisición de una capacidad.

  1. Ver el gasto como inversión

De la mano con el punto anterior, por la volatilidad de proyectos que pueden, a veces, no ver su fin, se debe cambiar la mentalidad al momento de establecer un presupuesto. Existe un gasto por proyectos no fructíferos, pero estos son solventados por aquellos que sí ven el fin y traen grandes ganancias. Todo ese proceso de fallo y error es innovación pura y se debe considerar como gasto.

  1. Realizar MVP

Siempre se debe buscar la realización del producto viable mínimo o MVP frente a un proyecto de data. De esta forma, se logra identificar y plasmar de forma concreta la posibilidad real de que el proyecto funcione. Esto también facilita la tarea de buscar financiamiento.

Palabras al cierre

“El llamado es a que pierdan el miedo”, dice Karim antes de terminar la conversación, y la frase siguió resonando. La clave para aplicar estos consejos a los proyectos de data de cualquier startup, es confiar en su equipo y dejar las excusas. Sus empresas y trabajadores cuentan con todas las herramientas a mano para identificar y mejorar sus procesos, dejando la sofisticación tecnológica y los procesos demasiado complicados para el final. 

El uso de Analítica Avanzada como diferenciador en tu Startup. 10 consejos de Karim Touma para comenzar a usar los datos de tu startup con Analítica Avanzada.