El Gestor de Incertidumbre

Habilidades

La incertidumbre se podría definir como el conjunto de realidades que te sacan de tu área de confort porque no responden a rutinas organizativas o personales. Las personas que saben liderar bajo este concepto se hacen más competitivas en el mercado laboral.

En el mundo actual estamos viviendo en una continua incertidumbre que hace que las personas nos tengamos que ir adaptando rápidamente en función de las necesidades del momento. Cuesta dinero no conocer el entorno y es peligroso. No estar preparado para dar respuestas rápidas te puede sacar del mercado.

Tenemos que tener en cuenta que la capacidad de conocimiento, control y predicción se está perdiendo es por eso que el perfil del líder requiere de unas competencias nuevas. Dos de  estas competencias son la Gestión del cambio y la gestión de la incertidumbre.

La gestión de la incertidumbre ha de ser implantada en las organizaciones, estando preparados para su llegada y dejando espacios de indefinición. La innovación bebe de la incertidumbre, del desconocimiento del alcance de los proyectos innovadores que comenzamos.

La innovación surge de la ignorancia y el conocimiento genera ignorancia. Por lo tanto, cuanto más conocimiento más ignorancia y con ello más innovación. Para gestionar esto se necesitan personas preparadas para saber como trabajar con ello y ser conscientes de que las preguntas provocan más preguntas y esto es infinito. Las mejores ideas no surgen de una respuesta, si no de unir distintas respuestas y extraer la que, en ese momento, sea más brillante.

Los modelos de negocio a su vez, están en continuo cambio debido al poco control que existe. Las empresas en su empeño por controlar, tienen que abrirse a los entornos y no sólo centrarse en la organización en sí. La incertidumbre cuesta dinero, no conocer el entorno es peligroso, y no estar preparado para dar respuestas rápidas te puede sacar del mercado.

Se tiene que considerar, sin embargo, que esa capacidad de conocimiento, control y predicción se está perdiendo. Por esto, entra en juego el papel de Líder con capacidad de gestión de la incertidumbre, que no se frustra si no tiene respuesta para todo lo que se le plantea y es capaz de llevar a su equipo al éxito a través de la innovación.

Sólo las organizaciones dispuestas a adaptarse a las nuevas situaciones se encuentran en condiciones de enfrentarse a un futuro en el que destaca una constante incertidumbre. Si hay algo de lo que podemos estar seguros, es que el futuro es incierto.

Cómo adaptar el lenguaje de los departamentos de innovación a los equipos de dirección

Liderazgo

Los departamentos de innovación suelen utilizar un lenguaje propio, tal y como ocurre en otras disciplinas de negocio, siendo cada vez más utilizado por los empleados de las organizaciones.

Al mismo tiempo, los directivos utilizan un lenguaje propio que suele derivar de las consultorías de estrategia integradas en la empresa.

La innovación efectiva se caracteriza por enfatizar el pensamiento divergente, de manera que se creen diversas opciones, con una estructura abierta antes de llegar a concretar los objetivos. Los directores de innovación suelen referirse a este tipo de procesos como enfoques “de abajo a arriba”, “de exploración” o “centrados en el cliente”. En el día a día, los procesos de innovación suelen representarse de manera visual, de una manera menos estructurada, como parte de los procesos de aprendizaje, experimentación y exploración.

En cambio, las consultorías de estrategia prefieren usar un lenguaje más estructurado y exhaustivo, que suele derivar de las hipótesis de los altos dirigentes de la empresa. Este tipo de lenguaje es característico en los procesos enfocados “de arriba abajo”, mediante “hipótesis guiadas” o de “answer first”.

La disparidad en el lenguaje utilizado entre los equipos de innovación y sus colegas de dirección provoca que los ejecutivos de innovación no se sientan comprendidos cuando intentan transmitir sus ideas. Del mismo modo, los altos cargos directivos suelen sentirse desconcertados por lo que ven y escuchan de sus equipos de innovación.

El contraste entre la metodologías utilizadas por los estrategas y los innovadores

El lenguaje y los procesos aplicados desde una perspectiva basada en la innovación difieren con el lenguaje utilizado desde la perspectiva estratégica que caracteriza a las consultorías.  Para poder analizar las implicaciones derivadas de éstas diferencias de comunicación, recientemente, la consultora McKinsey & Co.  realizó un taller al que acudieron directivos del Área de la Bahía de San Francisco.

El taller consistió en dividir a los directivos en dos grupos para que analicen la transformación digital en la industria musical, centrándose en el fuerte crecimiento de los modelos de streaming y suscripción. Un grupo se correspondería con el equipo de innovación, que utilizaría un método de tipo exploratorio, y el otro grupo se correspondería con un equipo de consultoría, utilizando en su análisis un modelo de tipo estratégico.

Los resultados obtenidos fueron los esperados, de manera que el equipo de consultoría estratégica focalizó su estrategia en el aumento de ingresos por usuario en los modelos de negocio digitales y en cómo los modelos actuales deberían adaptarse para lograrlo.

El equipo de innovación se centró en el análisis de los hábitos y preferencias de los usuarios para después utilizar toda ésta información para el desarrollo de una oferta más atractiva.

Observaciones derivadas del experimento:

– El equipo de estrategia tenía la percepción de ser el equipo aburrido. Gran parte de los directivos de estrategia asignados a este grupo se sintieron limitados ya que debían afrontar el problema de manera muy estructurada, con un enfoque de arriba abajo, con muy poco margen para transmitir ninguna emoción de oportunidad.

– El equipo de innovación se sintió mucho más confortable durante el experimento pero, tras visualizar la presentación del equipo de estrategia, reconocieron que se les habían pasado por alto algunos temas clave. Reconocieron la importancia de desarrollar una argumentación de arriba abajo, con una argumentación estructurada basándose en decisiones ejecutivas. Las presentaciones del equipo de estrategia identificaron una idea de gobierno de manera mucho más rápida, de manera que era más probable convencer a los ejecutivos para tomar medidas.

El perfil innovador debe adaptar su discurso al estilo estratégico utilizado por las empresas de consultoría, es decir, debe mostrar los enunciados de los problemas concretos y fundamentar sus conclusiones mediante argumentaciones basadas en datos.

Es necesario que el equipo de innovación informe y presente sus ideas de manera diaria. El proceso de trabajo del equipo de innovación se basa en conocimiento e ideas, mientras que el equipo de estrategia necesita tener respuestas concretas en base a una hipótesis central.

Una posible solución para esta divergencia en los procesos de trabajo sería la comunicación continua entre ambos equipos, sabiendo en todo momento los avances y las propuestas que van surgiendo. Además, durante el experimento los participantes se dieron cuenta de la importancia de que ambos equipos tengan acceso a los mismos insights referidos al cliente.

Por tanto, los líderes de innovación deben ser capaces de adaptar su lenguaje a la estructura y necesidades del equipo ejecutivo, facilitando así la correcta comprensión de sus ideas y evitando posibles malentendidos.

Transformación Digital: Tecnología y Personas

Transformación Digital

Actualmente 4 de cada 10 grandes empresas están adaptándose a la transformación digital poniendo foco en ganar eficiencia en los procesos.

Las nuevas tecnologías han facilitado las comunicaciones con clientes o clientes potenciales generando una aceleración en tiempos de respuestas en base a sus expectativas. Esto hace que las compañías tengan que dar respuesta a esta aceleración a través de la Transformación Digital.

La transformación debería ser un tándem entre tecnología y personas. Lamentablemente en ocasiones esto no es así, las empresas ponen foco en los procesos y dejan a un lado a las personas. Como consecuencia a esta separación, las empresas no llegan al resultado óptimo para los clientes. Es importante ser consciente de que se pueden realizar algoritmos con procesos empresariales pero la complejidad aumenta cuando hablamos de personas. Es necesario tenerlas en cuenta en una transformación, ya que éstas, son el motor de todo el cambio.

La digitalización ha creado muchas oportunidades y ha roto los esquemas organizacionales, siendo real la necesidad de adaptarse. Al estar en constante evolución, es importante mantenerse alerta para formar parte de esta dinámica situación.

Según una encuesta de DBT Center realizada por 941 ejecutivos, sólo el 10% de ellos considera que sus compañías tienen tres competencias digitales básicas para garantizar la agilidad del negocio:

  1. Toma de consciencia: Capacidad de saber exactamente lo que está pasando en el mercado y con tus competidores. Es una competencia basada en la detección de varaiciones y patrones que pueden afectar a nuestro negocio. Los comportamientos basados en esta capacidad son los siguientes:
  • Recogida de información de negocio basada en el ambiente de las personas que forman parte de nuestra empresa.
  • Dar visibilidad a los objetivos de los empleados con el objetivo de ayudarlos a alcanzar sus metas.
  1. Toma de decisiones: Utilización y análisis de datos para potenciar los empleados de una empresa tomando decisiones clave en todos los niveles organizativos. Es importante facilitarles herramientas para unificar el análisis y la toma de la toma de decisiones en su role y funciones en la compañía. Es importante, ya que esto aumenta el autoliderazgo y a su vez, hace que el empleado sea embajador de la marca de nuestra empresa.
  2. Ejecución rápida: Dar respuesta rápida después de tomar una decisión. Esto les permite ofrecer valor añadido al cliente, reducir los costes, y aumentar los márgenes de beneficio en el mercado.

Por otro lado, para apoyar a las empresas hacia su viaje de la Transformación Digital, se han detectado  aceleradores digitales que mezclan la movilidad y otro tipo de tecnologías que dan poder a las personas. Estos aceleradores son capaces de llevarlas a un análisis exhaustivo y consecuentemente a tomar una decisión, indistintamente del nivel organizativo y asignando el talento dentro de la compañía.

Las compañías que ya están Transformadas Digitalmente muestran una mejoría tres veces más alta en su área financiera que la media en su cuenta de resultados desde los últimos 5 años.

Para poder hacer frente a los cambios de la Era Digital y sacar el mayor beneficio de ellos, se necesitan lideres capaces de llevar adelante los procesos de transformación y cambio de las organizaciones.

¿Quieres contar en tu empresa con líderes preparados para hacer frente a los retos de la Era Digital? 

Conoce nuestro Programa de Liderazgo 4.0

Cómo desarrollar la competitividad de la empresa en el mundo digital

Habilidades

Los CEO han de ser capaces de atraer, retener y potenciar el talento si quieren ser competitivos en el mundo digital.

En los procesos de transformación digital los directores de las organizaciones suelen centrarse  en la tecnología y en los procesos de negocio, dejando en un segundo plano a sus empleados.

Para poder alcanzar un nivel de competitividad adecuado en un contexto digital, es necesario potenciar el talento, las ideas y el espíritu innovador de toda la plantilla de la organización.  Un negocio digital que no sea ágil no estará preparado para entender y reaccionar rápidamente a las múltiples amenazas y oportunidades que supone un entorno de negocio digitalizado. La agilidad en el negocio digital, por tanto, debe extenderse a la fuerza de trabajo.

La agilidad del negocio digital se compone de 3 capacidades básicas que incluyen la analítica de datos, la movilidad y otras tecnologías que ayuden a los trabajadores:

    1. Observación: Las empresas deben ser capaces de percibir tanto lo que sucede en la empresa como entre sus competidores y el conjunto del mercado. Además, los CEO deben estar vigilantes a los sentimientos y frustraciones de sus empleados. Los empleados están en contacto directo con los clientes y pueden ver de primera mano los procesos que funcionan y los que están fallando. Cuando el CEO no es capaz de captar las ideas y el punto de vista de los trabajadores está perdiendo la oportunidad de obtener una ventaja competitiva clave.
    2. Toma de decisiones fundamentadas: Los trabajadores deben tener acceso al conocimiento que ofrece la analítica de datos, de manera que puedan aplicarlo en su trabajo de manera natural. Cada día se toman múltiples decisiones en la empresa a todos los niveles.  En el mundo digital actual disponemos de herramientas de análisis que permiten tomar decisiones a partir de los datos generados por el conjunto de la empresa. De esta modo, las decisiones que toman los ejecutivos y los empleados pueden realizarse con un riesgo menor, posibilitando la implementación de objetivos mas innovadores.
    3. Ejecución rápida: El talento de la fuerza de trabajo debe implementarse con la mayor rapidez posible, dentro y fuera de la organización. Combinando los datos generados por los empleados y las herramientas de análisis, podemos utilizar algoritmos que permitan encontrar a los mejores candidatos. El departamento de recursos humanos debe implementar la capacidades de esta nueva tecnología, que permite colocar el talento adecuado allá donde más se le necesita.

Para desarrollar la agilidad de la organización en un entorno digital, es necesario un cambio cultural, dónde el CEO sea capaz de definir los puntos clave y transmitirlos a todos los niveles.  El CEO debe garantizar y transmitir la idea de que cada uno de sus empleados es clave para desarrollar la innovación y el éxito de la empresa. Cuando esto sucede, cada equipo de trabajo y cada organización es capaz de controlar y gestionar los cambios disruptivos que se necesitan para seguir siendo competitivos.

Cómo el Data Science puede mejorar tu cartera de inversiones

Transformación Digital

Los servicios financieros no suelen asociarse con la “ciencia”, pero dentro de poco ésta percepción está a punto de cambiar gracias a la llegada de la analítica de datos y el machine learning.  Según Jeffrey Bohn, director científico de la compañía de servicios financieros State Street, la mejora de la tecnología de reconocimiento de patrones ha hecho posible que se puedan desarrollar algoritmos capaces de analizar la situación macroeconómica actual. Con esta nueva tecnología analítica, se puede mejorar de manera significativa la predicción del riesgo financiero.

El Data Science permite desarrollar y aplicar modelos analíticos capaces de mejorar el desarrollo de estrategias de riesgo y de comercio financiero.

Los directivos necesitan mejorar sus conocimientos en analítica de datos

Los altos ejecutivos no siempre tienen experiencia analítica de datos y no suelen dedicarle suficiente tiempo. La realidad es que la analítica de datos se está convirtiendo en un elemento crucial para la toma de decisiones en un contexto cada vez más dinámico y cambiante. Gracias a los avances en Big Data y Data Science, ahora es el mejor momento para aplicar todos estos conocimientos en los servicios financieros, aunque también es cierto que queda un largo camino por recorrer.

¿Qué a cambiado en la banca y en los servicios financieros actuales?

El sistema regulador es mucho más proactivo. Los bancos deben superar ciertas pruebas de estrés y cumplir una serie de regulaciones para poder seguir pagando sus dividendos. Ésta situación a obligado a que muchos directivos se interesen por la analítica de datos, ya que se ha convertido en un elemento clave que determina su propia remuneración.

Por otra parte, se observa un creciente interés por la analítica del riesgo, sobretodo en los ejecutivos financieros más jóvenes, ya que suelen presentar mayores nociones en analítica.

Habilidades necesarias para sacar provecho del Data Science en las instituciones financieras actuales

La mayoría de personas tiene nociones sobre estadística, ya sea por sus estudios universitarios o por la realización de analítica de datos a través de un programa de MBA, pero no están familiarizados con el estudio de la incertidumbre y el riesgo.

El Data Science permite analizar flujos de información, que generalmente están sin pulir, para convertirlos en información valiosa, organizada y jerarquizada. A modo de ejemplo, en los últimos años, multinacionales como General Electric, Banco Santader o BBVA han implementado el rol del Chief Data Officer o Chief Science Officer en sus organizaciones, con la misión de sacar el máximo rendimiento de sus datos de negocio.

La entidades financieras saben que la comprensión de los detalles que sustentan su modelo de negocio es determinante para su futuro, en un mercado que tiende a ser cada vez más complejo. Por ello, la industria financiera necesita que sus ejecutivos tengan un comprensión clara de los modelos analíticos, sobretodo para poder realizar análisis de riesgo más rigurosos, en un futuro que se caracterizará por el incremento de los productos financieros complejos.

Hay que tener en cuenta que los modelos de análisis del riesgo que aplican las agencias de calificación se caracterizan por ser excesivamente simplistas que no son capaces de reflejar el riesgo total. Esto se debe a que su modelo de negocio se basa en hacer crecer rápidamente nuevos mercados y no en la inversión de recursos capaces de analizar el riesgo real. Por este motivo, los bancos y servicios financieros deben ser capaces de desarrollar sus propios modelos analíticos para descifrar el riesgo real en sus decisiones de inversión.

Por otro lado, el envejecimiento de la población en las sociedades occidentales provocará que en el futuro podamos prescindir o evitar la oferta de productos financieros complejos para poder dar cobertura a las necesidades de esta nueva configuración poblacional. Por tanto la analítica y el Data Science cada vez serán más determinantes en la oferta del sector financiero.

¿Qué funciones desempeña el Chief Science Officer en un banco?

Debido al incremento de la capacidad computacional han surgido nuevas tecnologías y modelos analíticos. Hoy día existen nuevas técnicas de gestión de datos, nuevas plataformas que utilizan la computación distribuida y nuevos tipos de bases de datos.  Un ejemplo es la tecnología de bases de datos distribuida blockchain, que permite la circulación financiera sin necesidad de una autoridad central que regule ni supervise.

El nuevo paradigma tecnológico ante el cual se enfrenta el sector financiero ha provocado que compañías financieras como State Street estén centradas en colaborar con diferentes universidades en la investigación de tipo computacional, estadística, económica y matemática. Recientemente, la compañía creó el Consortium Analytics in Risk (CDAR) con el objetivo de compartir nuevas ideas con las universidades e impulsar nuevas investigaciones. El consorcio permite que State Street tenga un espacio de experimentación y de intercambio de conocimientos multidisciplinares entre diferentes industrias. Es en estos espacios de investigación y experimentación en analítica de datos dónde el rol del Chief Science Officer cobra sentido. De manera que el CSO ha de ser capaz de alinear los objetivos de las diferentes investigaciones con las necesidades del sector financiero, siendo capaz de implementar soluciones de otras industrias que, generalmente, le llevan años de ventaja a los servicios financieros.

El papel del Machine Learning/Deep Learning en la Macroeconomía

Los algoritmos basados en el Machine Learning/Deep Learning son capaces de detectar entornos con una liquidez precaria o frágil. Del mismo modo que el Deep Learning permite que actualmente existan coches autónomos que reconocen los diferentes patrones de la conducción, en el sector financiero es posible aplicar la tecnología de reconocimiento de patrones para la identificación del riesgo financiero y el régimen macroeconómico del momento.

Otra área que puede beneficiarse de los algoritmos basados en el machine learning es la detección del fraude financiero. De manera que se podría generar un algoritmo capaz de identificar situaciones de fraude a partir de los datos referentes a las actividades comerciales de una institución financiera.

Más información

Selecciona Interes