La gestión del conocimiento técnico: un activo de gran valor en las empresas

Los meses de septiembre y octubre que hemos dejado atrás se caracterizan por una 'vuelta a las aulas' y no solo en su sentido literal, donde hordas de estudiantes se dirigen a sus centros de estudio, también es un momento que se convierte en un volver a empezar de todas las personas que retoman sus hábitos y de alguna manera vuelven a su rutina laboral y familiar: nuevos propósitos como si de año nuevo se tratase, nos inundan la cabeza y, por qué no, nuestra libreta de buenas intenciones.

Sin embargo, aunque durante el verano se ralentiza el ritmo vital, las empresas continúan con sus estrategias empresariales, muchas de ellas marcadas por la pandemia e inmersas casi todas en una aceleración digital, que ha venido para quedarse. Las grandes compañías están ya presentando sus presupuestos para el próximo año.

Presupuestos caracterizados por un alto componente digital, sea cual sea el departamento: Recursos Humanos quiere hacer uso del people analytics para conocer mejor a sus empleados, hacer mejores contrataciones o incrementar el engagement de la plantilla. Los departamentos financieros quieren incrementar la eficiencia para reducir el gasto, y el equipo comercial, ayudado siempre por el departamento de marketing, quiere incrementar las ventas, para lo que necesita un conocimiento profundo de sus clientes: ¿qué necesitan?, ¿por qué abandonan?

Aunque podemos afirmar que estamos viviendo la 'Era Digital' los ritmos de cada empresa son diferentes, pero todas necesitan valerse de un equipo experto en análisis de datos, ya sea de forma autónoma, incorporándoles a la plantilla de la empresa; o de forma externa, contratando a empresas expertas que pueden ayudarles a sacar rendimiento de sus datos para tomar mejores decisiones.

Sin embargo, ante la decisión de equipo interno vs. equipo externo, se encuentra la escasez de perfiles que reúnan las características necesarias para trabajar con grandes volúmenes de datos, haciendo uso de inteligencia artificial que, con el machine learning, crearán modelos algorítmicos capaces de representar situaciones operativas de la empresa y replicarlas a futuro para adelantarnos a situaciones probables y tomar mejores decisiones.

Cuando pensamos en contratar equipo, tenemos que ser conscientes en que vivimos un nuevo paradigma laboral, incentivado por la pandemia, en el que el empleado se ha convertido en el stakeholder más importante para garantizar el éxito a largo plazo de las empresas. La pandemia no sólo ha modificado nuestros hábitos de consumo, sino nuestra percepción del trabajo que realizamos y cómo lo realizamos, y nos ha hecho marcar unas prioridades vitales que antes no nos cuestionábamos.

Según Edelman, en su informe especial del 'Trust Barometer 2021', asegura que el 74% de los inversores afirman que la captación y retención del talento para una empresa es más importante que incrementar la cartera de clientes.

Las empresas se enfrentan no sólo a un nuevo modelo de trabajo donde la productividad no está unida al trabajo en la oficina. El concepto de 'trabaja desde cualquier parte' está calando en los empleados que ven en el teletrabajo la fórmula perfecta para compaginar vida laboral con familiar. Sin embargo, ¿cómo pueden las organizaciones mantener ese engagement con sus empleados para evitar la rotación tan temida?

Las compañías se encuentran inmersas en una búsqueda de talento digital que, además, son perfiles que promueven este trabajo flexible y por objetivos, y cuando por fin han logrado crear un equipo… se van.

Es por esto por lo que las organizaciones no sólo tienen que pensar en la retención de este talento, muy difícil en algunos casos por la poca oferta y la alta demanda, también en cómo encapsular todo ese conocimiento que se ha generado en la empresa y del que pueden hacer uso nuevas incorporaciones. ¿Cómo manejar la gestión de conocimiento que se genera en estos departamentos tan técnicos y que a veces son efímeros?

En muchos casos nos encontramos con empresas que pese a haber sido 'pioneras' en la creación de equipos de data scientist y haber llevado a cabo proyectos, son incapaces de continuar con ellos porque los equipos se han diluido, encontrándose con casos de uso de crosselling, predicción de abandono, segmentación de base de clientes, guardados en un cajón, incapaces de evolucionarlos o incluso de usarlos.

Las organizaciones tienen que ser conscientes que el equipo puede variar, pero el conocimiento que han generado pertenece a la empresa y es un activo de gran valor; y son los líderes de los departamentos tecnológicos los que tienen que favorecer que ese activo se mantenga y se comparta para los actuales y futuros equipos de sata scientists.

El reto hoy en día es la gestión del conocimiento que se genera en las compañías por los equipos técnicos. ¿Puede la tecnología ayudarnos a resolver este quebradero de cabeza?

*** Esther Morales es socia de la empresa de data science y big data PiperLab.