Viajes de Datos (I): Manila
02/09/2019Verano para muchos académicos y profesionales no significa vacaciones, sino simplemente otro periodo diferente. Este año he aprovechado este periodo para descubrir la situación del mercado analítico en Manila, Australia y Nueva Zelanda, así como impartir clases en AGSM en Sydney.
Como os podéis imaginar, cada país se encuentra en un nivel de madurez diferente y tienen sus campeones locales (que podemos considerar mas avanzados que el resto tanto a nivel de adopción de tecnología, de gobierno del dato así como del tema organizativo). Poder hablar con estas empresas me permite descubrir barreras, así como buenas prácticas.
Mis viajes dan para varias reflexiones. Así que empezaremos por Manila (aprovechado mi largo viaje de vuelta a Europa).
En Manila tuve la oportunidad de hablar en la conferencia Ignite. Por si no lo conocéis: Este evento es uno de los principales en el ámbito de la emprendeduría en este país. Ya va por su tercera edición y en esta han logrado llegar a los 2000 asistentes (en la anterior tuvieron 1000 asistentes). Una cifra muy interesante. Aunque bastante mas interesante es lo que sucede durante los dos días que dura: ponencias plenarias, en paralelo, conversaciones con inversores y expertos, competición de startups,…
Me invitaron en calidad de ponente de plenaria y experto. El evento empezó muy interesante. Jeremy Rolleston, deportista olímpico en diversas disciplinas, explicaba su transición a emprendedor en el ámbito de la salud y ponía en relieve la época en la que vivimos: aprendizaje continuo y reconversión de nuestra trabajo multiples veces a lo largo de nuestra carrera profesional. A parte de dejar en manifiesto que el gran reto que tenemos es trasladar hábitos de salud saludables al consumidor. Me quedo con la idea que de cada día debemos intentar tener una mejor version de nosotros mismos. Ojalá este sentimiento se extendiera a otros ámbitos sociales que se encuentran en crisis en multiples países (tanto en Europa como más allá). Aunque el tema de políticas basadas en evidencias lo dejamos para otro día.
Cuando hablo en eventos de emprendedores siempre tengo un reto. Por un lado, vengo de familia de emprendedores, y soy emprendedor. Llevo años viviendo en el lado oscuro. Por otro lado, me centro en el uso eficiente del dato. Nunca hablo de mi experiencia como emprendedor. Siempre es el dato. Y este tema, aunque relevante y fundamental para convertirse en una empresa competitiva actualmente, no siempre es el motivo principal de interés de los asistentes de este tipo de eventos. Aunque ya sabéis lo que siempre comento:
A company without algorithms and data can’t keep up with one that uses them
Volviendo al tema de la charla. Esto (el interés de los asistentes) me pone en una tesitura complicada. De qué hablo. Tras pensarlo mucho, el tema a tratar fue la innovación mediante los datos. En el (trillado) tema de la transformación digital, las empresas tienen dos opciones: la optimización (lo mismo de siempre, pero mejorado) o la innovación (introducir disrupciones en sus modelos de negocio o las fuentes de ingresos) – quizá hemos tenido siempre la misma dualidad, aunque sera que no nos acordábamos y ahora alguien tiene de recordarnos que es así-. Así que puestos a escoger hablemos de innovación.
Cuando hablamos de empresas consolidadas, se trata de abrir nuevos mercados (ya sea complementarios o nuevos). Solo tenemos de fijarnos que están haciendo BBVA o Telefonica. Cuando hablamos de startups tenemos de poner otros ejemplos. Uno de los que suelo hablar es Kreditech, que usa conjuntos de datos dinámicos para crear perfiles más precisos para micro-créditos. Y con eso ha podido expandirse a un mercado complementario no explotado de forma eficiente.
Así que el idea de partida es si queremos una startup innovadora, los datos y los algoritmos son una de las opciones o mecanismos a tener en cuenta.
Durante la presentación destaque diversos puntos. (1) Desde sus inicios, una startup debe empezar a definir una estrategia de datos, (2) ser una empresa orientada al dato no es sencillo y requiere tiempo (3) muchas de las startups que se autodenominan ML no lo son en sus primeros años de existencia
Lo mejor de la charla, fue la posibilidad (tras ella) de hablar con diversos emprendedores sobre su situación, que hacen y darles consejos para siguientes pasos. Hay muchísimo interés por la analítica. Aunque hay bastantes handicaps a superar (como gobierno de datos) que no nos extrañe que vayan avanzando a saltos si se crea el ecosistema adecuado.
Y entre esos pasos para dar los saltos aumentar su nivel de data literacy (como ya hemos explicado diversas veces).
Pues eso, tras la ‘vacaciones’, volvemos a la carga.