Desde que el primer museo abrió hace casi dos mil quinientos años, el negocio de las atracciones para visitantes se ha vuelto muy complejo. La industria está cambiando rápidamente, y a medida que avanza la competencia, aumentan las presiones operativas y las expectativas de los visitantes. En este contexto, las decisiones en base a los datos se han convertido en primordiales.
Hasta hace poco, pronosticar, analizar e informar sobre números críticos, como las visitas y los ingresos en nuestros museos, ha sido un «juego de adivinanzas». O el equipo del museo toma decisiones instintivas o pasa meses repasando detalles. La tarea se complica realmente por la miríada de influencias que ahora existen en el comportamiento de los visitantes, por informaciones que están fuera de la esfera de control del museo y por otras que desafían las creencias anecdóticas del big data.
Dado que la búsqueda del visitante está directamente relacionada con las «experiencias», un concepto un tanto abstracto – naturalmente difícil de cuantificar -, los museos utilizan estilos de gestión tradicionales. Actualmente, en una época en la que se enfrentan a la competencia por la financiación, a los patrocinios, a la atención de los visitantes y al dinero del turismo, las viejas prácticas de gestión son insuficientes. La inacción amenaza la sostenibilidad de las grandes instituciones, lamentablemente; ya estamos viendo museos que cierran permanentemente sus puertas. Debido a la limitación de los recursos, la forma en que invertimos y gobernamos cada euro y cada hora, cuenta.
Los grandes datos brindan la oportunidad de retomar el control. Mediante el análisis del big data y de la inteligencia artificial, los museos se pueden desbloquear, aprovechando aquellos valores sin explotar que son sus propios activos de datos para abordar sus desafíos de crecimiento, eficiencia, impacto y cumplimiento. La digitalización ahorra tareas que de otro modo nos llevarían mucho tiempo – supone la creación de pronósticos e informes – y, a su vez, la innovación consigue abordar la complicada tarea de comprender a los visitantes, y conocer su experiencia y comportamiento. Los datos y la inteligencia artificial están liderando una auténtica revolución. Se están convirtiendo en parte de cada organización, de cada departamento, de cada rol. Son una pieza inevitable del futuro, de la que todos deberían aprender – a su propio ritmo, pero sin dormirse -.
En nuestros museos, los datos crean valor impulsando un crecimiento eficiente, ya que informan sobre las decisiones estratégicas y operativas. Estas pueden englobar aspectos como el tipo de perfil al que apuntar, o las actividades que debemos proporcionar – y a qué precios -, para finalmente aumentar el número de visitantes y el dinero que gastan. Las decisiones operativas tienen que ver con cosas como los horarios de apertura, la cantidad de personal de primera línea que se debe incluir o el modo de optimizar el inventario para la demanda, generalmente con vistas a mejorar el ahorro de costos.
La adopción de la toma de decisiones informada por datos se maneja mejor a través de tres vehículos en la organización: 1/ a nivel de dirección, 2/ a través del equipo de liderazgo senior y 3/ por los jefes de cada departamento. Cada grupo de partes interesadas cuenta con un cronograma que los informes automáticos pueden apoyar y un foro donde alentar el uso del tablero en vivo. La transformación de datos rara vez ocurre cuando los propios datos responden a un trabajo realizado por un único analista: el cambio cultural requiere una gama de usuarios para la gestión de datos que son diversos en el ámbito departamental y en el nivel de gestión, bajo la coordinación ejecutiva. Es a través de estos tres vehículos de dirección, liderazgo y administración cuando los estilos de decisión – a partir del uso de datos – pueden ganar tracción.
¿Por dónde empezar? Como director o líder, debes intentar progresar con tu equipo y tecnología a través de niveles consecutivos de habilitación de datos. Anímalos a concentrar sus esfuerzos en un único nivel, en lugar de saltar directamente a los temas más difíciles. Estas etapas pasarán del análisis descriptivo, al predictivo y al prescriptivo:
- El análisis descriptivo presenta resúmenes e información sobre datos históricos y actuales mediante visualizaciones, paneles e informes. Responden la pregunta de ¿Qué pasó antes? ¿Qué está pasando ahora? ¿Por qué?. Por ejemplo:
¿Cuántos visitantes tuvimos este mes? ¿Seguimos alcanzando el objetivo?
¿Cómo se compara eso con el mes pasado? ¿Qué ocurrió el año pasado en estas fechas?
¿Cuál fue el impacto de los días lluviosos y las vacaciones escolares? - El análisis predictivo nos presenta pronósticos y probabilidades que facilitan una planificación futura. Dado que ningún modelo puede predecir perfectamente el futuro, éste debe ir acompañado de un resultado de precisión que permita guiar el rango de posibilidades futuras. Responden a la pregunta: ¿Qué podría suceder después? O ¿Qué es probable que haga una determinada persona? Por ejemplo:
¿Cuántos visitantes deberíamos esperar este mes? ¿Cuál debería ser nuestro objetivo? ¿Cómo de probable es que lo logremos?
¿Cuán precisa es esa predicción? ¿Cuáles son los límites superior e inferior del rango de escenarios para los que debemos planificar?
¿Cómo ha llegado el modelo a esa conclusión? - El análisis prescriptivo nos presenta acciones recomendadas para guiar nuestra acción y optimizar el rendimiento. Para comenzar, estas acciones pueden proporcionarse como ideas para que un usuario de datos las considere en la toma de decisiones. Responden a la cuestión: ¿Y ahora qué?. La siguiente iteración sobre esto es cognitiva, y plantea la pregunta: ¿Qué aprendimos?. En última instancia, se pueden automatizar las llamadas para que un sistema responda dinámicamente a su entorno, formulando la pregunta: ¿Qué es lo mejor?O ¿Cuál es el mejor momento para organizar esta exposición y maximizar la asistencia? ¿Cuál es el presupuesto de marketing óptimo para este evento? ¿Cuál seria el mejor precio para una entrada que vayamos a ofrecer el martes por la tarde la próxima semana?
El big data es el ingrediente crítico en todos los niveles: por lo general, cuanto más progresa el interés de un visitante, más datos requiere. No existe una medida técnica de lo que hace que los datos sean grandes, aunque la definición estándar es la lista «V»: los datos que vienen en Volumen, son Variables y a Velocidad. Entre los desafíos de los grandes datos están el asegurarse de que sean válidos, que tengan veracidad (un poco como procedencia) y que estén gestionados para evitar vulnerabilidades.
Sobre la base de los grandes datos, la Inteligencia Artificial (IA) también juega un papel cada vez más importante, especialmente para el análisis predictivo y prescriptivo. La IA informa sobre gran parte de nuestra vida diaria: recomienda productos en Amazon, traza nuestra ruta en Waze y nos sugiere películas en Netflix. Al igual que el surgimiento de los ordenadores en sí, con Internet y luego lo digital, todo se ha convertido, con el tiempo, en un juego de mesa. La IA es una nueva era en el uso de la tecnología que, si bien ha existido durante un tiempo, con el aumento del uso de la nube y unos ordenadores cada vez más potentes, su aplicación en la industria es ya una realidad. La IA es una herramienta que los visitantes necesitan para desenvolverse en el mundo moderno.
Antes de la IA, los ordenadores recibían instrucciones por pasos sobre cómo hacer una tarea. Ahora, los modelos obtienen datos y se les pide que encuentren la mejor manera de ejecutar algo. Como consecuencia, la IA puede ofrecer un rendimiento superior en velocidad y resultados. Sin embargo, no se trata de configurar la máquina para que funcione y olvidarse de ella. La IA necesita una mano humana que informe y guíe, especialmente respecto a cosas impredecibles.
Cuando se trata de tareas como pronosticar visitas, un buen modelo puede proporcionar mucho trabajo del duro y una visión profunda en un instante, listo para que un equipo de planificación evalúe y se ponga en marcha, en lugar de emplear su tiempo analizando datos que solo conducen a la línea de partida. El papel del equipo tiene que ver más bien con trabajar en conjunto con el modelo – un híbrido de humano y máquina -, que con una competencia por quién lo hizo mejor.
Hay muchos destornilladores diferentes en la caja de herramientas de la IA para resolver todo tipo de problemas en torno al interés del visitante, tanto para la experiencia como de lugar. Estos «destornilladores» engloban cosas como bots, lenguaje natural, reconocimiento de patrones, redes neuronales, aprendizaje profundo y sistemas autónomos. En términos de visitantes, se trata de tecnologías que pueden informar a los equipos de gestión, habilitar sistemas dinámicos, crear empresas artísticas, gestionar colecciones o redes y ayudar como guías. Para el trabajo de la transformación de datos, utilizamos el aprendizaje automático prediciendo y analizando el comportamiento de los visitantes y el lenguaje natural -es interesante gestionar sus comentarios-
El interés de cada visitante comienza su viaje de transformación de datos desde un lugar diferente. Si tu equipo ya tiene una solución, o muchos hábitos informados de datos, se encuentra en el buen camino. Para la mayoría, habrá muchas oportunidades de crecimiento, empezando por lo básico. Si partimos de un área del museo, por ejemplo, es posible que ya tenga objetivos concretos, pero ¿cómo son diariamente de flexibles? ¿Con qué frecuencia se analiza, informa y comunica el progreso al equipo? ¿Los objetivos periódicos se hallan alineados con los pronósticos estacionales? ¿Están diseñados los roles y los incentivos alineados? Si profundizamos en todo ello, habría mucho que considerar.
Para ayudar a determinar dónde está el punto de partida, necesitamos integrar una evaluación de datos que mida dicho punto de arranque y su progreso futuro, contra los más de treinta hábitos de los equipos exitosos que cubren los intereses de los visitantes basados en la información. Este aspecto es importante, porque tener un conocimiento a fondo es un viaje de introducción de muchos hábitos nuevos en toda tu organización. Evaluar las prácticas es una forma de monitorear el progreso de tu equipo y los que debéis asimilar. Estos hábitos cruzan cinco áreas entre las personas, el proceso y la percepción:
- Área ejecutiva: incluye liderazgo, gobernanza, alfabetización tecnológica y confianza, solución tecnológica y usos éticos.
- Planificación de un análisis e inclusión de pronósticos estratégicos: planificación operativa, visibilidad de datos, revisiones residuales y economía de la unidad.
- Experiencia de la visita: incluye la gestión de entradas, satisfacción del visitante, recorridos de los visitantes, demografía y geolocalización.
- Marco: gestión de negocio, objetivos, informes automatizados, organización de calendario y preparación de datos.
- Horas de apertura: crecimiento, simulación de actividades, gestión de capacidad, correlación digital y optimización de marketing mix.
A partir de aquí se deberá hacer una evaluación para comprobar cómo han cambiado las cosas en cada etapa de la gestión de datos. Es necesario continuar revisando estas prácticas constantemente para encontrar nuevas oportunidades de mejora y reevaluar periódicamente su éxito, a fin de cuantificar el progreso de tu equipo a lo largo del tiempo.
Para apoyar nuestro viaje de transformación digital, se deberán aplicar ciertas reglas, cuya orientación integrará su solución, impulsará el uso y acelerará su adopción, con un enfoque para definir el éxito, medir el valor y cuantificar el impacto, siguiendo unos pasos técnicos para graduarse entre etapas:
- Preparación para el despegue, pasar de intuir a planificar.
- Empujar el cambio hacia adelante, pasar del lanzamiento a la transformación.
- Crear un camino, pasar de la transformación al éxito.
A medida que avanza el siglo XXI, el papel de la analítica de big data es fundamental para liderar la experiencia del visitante, innovar capacidades y gestionar las operaciones en el interés del público. Creces a medida que lideras a tu equipo en la adopción de análisis descriptivos, predictivos y prescriptivos en las diversas fases de la madurez de los datos y en la búsqueda de la transformación de éstos. Debes inspirar un futuro de innovación para lograr un crecimiento eficiente en el interés de los visitantes por tu museo mediante el uso del conocimiento. La transformación digital predice y analiza el comportamiento de la audiencia al reunir todo tipo de datos sobre su experiencia, basándose en pronósticos, percepciones, paneles, informes y mucho más. Usemos, pues, los datos para impulsar nuestro futuro cultural.
Recurso bibliográfico:
Dexibit (2019): Guess, Grind or AI. Documento corporativo.
Foto principal: Blog de Alejandro Lozano: https://diariodenoor.wordpress.com/2019/01/06/joan-fontcuberta-la-furia-de-las-imagenes-2/
Si quieres recibir nuestro newsletter y nuestros artículos por correo electrónico, rellena y envía el boletín adjunto, por favor, completando el campo correspondiente en el formulario de inscripción que encontrarás a continuación. Tu dirección de correo electrónico (asegúrate por favor de escribirla correctamente), será utilizada exclusivamente para enviarte nuestros newsletters y artículos, pudiendo darte de baja en el momento que quieras. Tu confirmación de suscripción, si no te llega, puede estar en tu carpeta de spam.
