En nuestro último weblog “La razón UMPTeenth para la gestión ágil de datos”, señalamos que las empresas upstream están utilizando tecnologías digitales para acelerar sus transformaciones de atracción del mercado upstream (UMPT). Pero nunca dijimos que fuera fácil.
En conversaciones recientes con el equipo de análisis de una organización cliente, obtuvimos un relato de primera mano de algunos de los desafíos que les impiden llegar al siguiente nivel de transformación de datos y análisis. Utilizamos un ejercicio de mapa de empatía para obtener información más profunda. Encontramos lo siguiente:
- Lo que dicen: la velocidad de transformación se ralentiza por su incapacidad para escalar.
- Lo que piensan: queremos cambiar, pero tenemos dificultades para mover la aguja.
- Lo que ven: promover el desarrollo y el consumo de productos de datos, mejorar la adopción del usuario remaining y vincular los resultados a temas estratégicos es todo un desafío.
Este equipo, como tantos otros con los que hemos trabajado, quería crear una capacidad de análisis ágil y con capacidad de respuesta. Pero aparentemente estaban bloqueados en todo momento. La buena noticia es que ninguno de los obstáculos a los que se enfrentan son insuperables. Así es como pueden superarlos para crear agilidad analítica a escala.
Equilibrar la balanza
Para escalar realmente el análisis en una empresa y respaldar la UMPT, se necesita una revisión significativa de la transformación de datos. El siguiente modelo establece los elementos clave que, cuando se ejecutan con éxito, facilitan la transformación de datos requerida. Hemos usado este modelo con varios clientes y hemos visto lo poderoso que puede ser.
<<< Inicio >>>
<<< Fin >>>
Aunque el modelo presenta los componentes clave de una transformación analítica habilitada digitalmente, no presenta una secuencia de acciones. Por ejemplo, el viaje de una organización a la nube (representado en la parte inferior del gráfico anterior) es un habilitador clave de una transformación analítica y debe ser el punto de partida. La razón es que lograr análisis a escala y con la agilidad necesaria requiere capacidades de integración en la nube, implementación continua en entornos de producción, administración de versiones bajo demanda y telemetría (o recibir datos de soluciones implementadas o lanzadas). Al centrarse primero en el viaje a la nube, las organizaciones encontrarán que se minimiza el “trabajo de arrepentimiento”.
A medida que las organizaciones avanzan en su viaje a la nube, creemos que también deberían comenzar a escalar el lado analítico del modelo (representado por los tres cuadrados superiores a la derecha en el gráfico). Esto permitirá a sus gerentes de ciencia de datos cambiar su enfoque del desarrollo de pruebas de conceptos y prototipos advert hoc a fábricas de análisis optimizadas. Es importante destacar que un enfoque temprano en el modelo organizativo, el plan de adopción y el valor potencial de la analítica ayudará a la organización a definir e implementar los elementos básicos de gestión de datos (los tres cuadrados de la parte superior izquierda) que serán necesarios para respaldar la transformación.
Elige el camino para la acción y el crecimiento.
Entonces, ¿cómo pueden las organizaciones asegurarse de que sus capacidades analíticas estén madurando al ritmo?
Para empezar, las empresas necesitan crear una coalición guía. Esto podría ser algo así como un centro analítico de excelencia (CoE) que resida entre el negocio y la función de TI. Si bien existen ventajas y desventajas en el uso de CoE, descubrimos que uno de los siguientes tres modelos suele ser efectivo según la situación precise de una empresa:
<<< Inicio >>>
<<< Fin >>>
Después de configurar el CoE, los equipos de análisis deben establecer un modelo operativo de CoE estándar que se adoptará en toda la empresa. Este modelo operativo diferirá de una organización a otra, pero debe permitir los siguientes pasos: admisión, clasificación, marco, experimentación, preparación, comercialización y operación.
Recientemente, configuramos un CoE de análisis en el sitio de un cliente. Como parte de ese esfuerzo, entrevistamos a los equipos de análisis de toda la organización (es decir, en la TI central, la unidad comercial y los niveles funcionales) e identificamos puntos en común entre los procesos existentes. A partir de esa información, creamos un modelo operativo de “talla única” para realizar un seguimiento de los productos analíticos a lo largo de su ciclo de vida.
Con el nuevo modelo operativo implementado, teníamos un lenguaje uniforme en toda la empresa y podíamos comenzar a rastrear concepts de productos analíticos. Es importante destacar que el nuevo modelo operativo también nos ayudó a definir los requisitos de datos, identificar más fácilmente los elementos de datos críticos subyacentes a cada caso de uso y trabajar con la organización de datos para crear una hoja de ruta estándar para la ingesta, limpieza y aprovisionamiento de datos.
¿Próximo? Es hora de victorias rápidas. La selectividad es clave en esta etapa. Con los casos de uso correctos, los equipos de análisis pueden sorprender rápidamente a sus colegas, generar interés en el programa y presentar su caso para obtener financiación adicional. Pero, ¿cuál es el caso de uso “correcto”? El que crea valor rápido y notable. Por ejemplo:
- En entornos upstream, las empresas pueden querer que toda la organización de producción, desde el equipo ejecutivo hasta el operador de arrendamiento en el campo, esté en sintonía en términos de producción diaria, tiempos de inactividad de los activos de campo y velocidad de identificación y resolución de problemas. En ese escenario, la empresa podría considerar un centro de análisis de producción empresarial. El centro podría proporcionar información en tiempo actual y perspectivas procesables desde el nivel del pozo hasta la cuenca.
- En entornos downstream, las empresas pueden estar buscando maximizar los márgenes durante la venta de productos. Para hacerlo, deben estar conectados a oportunidades de adquisición de gangas, salud de activos y disponibilidad de producción, y oportunidades comerciales para vender la combinación de productos correcta en el momento correcto casi en tiempo actual. Elegir un caso de uso que toque a los usuarios en varias unidades de negocios ayuda a justificar el análisis a escala, ya que la solución brindará valor a múltiples personas de usuario.
Esto nos lleva a la siguiente área de enfoque: la adopción.
Alcanzar la masa crítica
Cada solución tecnológica pasa por un ciclo de vida de adopción. Conoces a los jugadores…
<<< Inicio >>>
los innovadores
Reconocen un problema, conceptualizan una solución y se lanzan a la carrera.
<<< Fin >>>
<<< Inicio >>>
Los primeros adoptantes
Ven el valor de la solución y la adoptan sin cuestionar.
La mayoría tardía
Equilibran el riesgo y la recompensa poniéndose al día, con la esperanza de llegar lo suficientemente temprano.
<<< Fin >>>
¿Cuáles son algunas formas de cruzar este abismo y lograr que la mayoría tardía adopte la solución lo antes posible? Un método probado y verdadero es que el negocio y TI (con la ayuda del equipo de análisis) trabajen de la mano en una iniciativa estratégica destinada a impulsar la empresa hacia adelante. Tener al CEO y al equipo de liderazgo impulsando una iniciativa de arriba hacia abajo es elementary para una adopción exitosa. Este enfoque contrasta con los enfoques de “abajo hacia arriba”, donde la innovación comienza dentro de una sola unidad de negocios. Aunque probablemente sea una buena solución puntual para ese grupo, establecer análisis a escala a partir de un caso de uso tan personalizado y/o geográficamente dependiente puede ser una batalla cuesta arriba.
Independientemente de cómo una organización identifique el caso de uso correcto, ganar masa crítica requiere una adaptación constante. Esto significa hacer más que incorporar mejoras continuas para optimizar una solución. Significa adaptar la solución continuamente en respuesta a cómo se utilizan los conocimientos. Si hay usuarios de planta/campo o ejecutivos a quienes les gusta acceder, aprobar, revisar o revisar datos sobre la marcha con sus teléfonos inteligentes, la solución debe estar habilitada para dispositivos móviles. Si el equipo quiere la comodidad de la información consolidada diaria o la capacidad de realizar acciones desde su bandeja de entrada, el equipo de soluciones debe hacer que esa funcionalidad esté disponible. Centrarse en el cliente es el cambio de mentalidad clave para impulsar la adopción del usuario.
Capturando el valor de la agilidad
A medida que las empresas de energía invierten millones (si no miles de millones) de dólares en la transformación digital, los líderes empresariales y los accionistas esperan dividendos desde el principio. El rendimiento del capital empleado (ROCE) se ha transformado en el rendimiento del empleado digital (RODE). Para las organizaciones que pasan por este proceso, el retorno inmediato más alto se ve a través de análisis.
El cliente que mencionamos al comienzo de este artículo obtuvo más de $ 1 mil millones en valor comercial impulsado por análisis solo en 2020. Esos retornos son el resultado de un viaje de varios años para escalar el análisis en toda la empresa.
Otros pueden obtener beneficios similares. Pero hacerlo requerirá que las empresas tengan los productos de datos y análisis correctos en su cartera de soluciones para ofrecer valor. También es cada vez más evidente que necesitarán capacidades de gestión de datos ágiles y las estrategias de escalado adecuadas para garantizar que están maximizando sus inversiones de capital. Estos son los imperativos y los factores clave de éxito para las empresas de petróleo y gasoline que avanzan hacia la década de 2020.
Descargo de responsabilidad: Los puntos de vista y las opiniones expresadas en este documento pretenden estimular el pensamiento y la discusión. Como cada negocio tiene requisitos y objetivos únicos, estas concepts no deben verse como un consejo profesional con respecto al negocio.
