![](http://www.technologyreview.es/sites/default/files/articles/images/miguel_milano.jpg)
Computación
"La capacidad de monitorización en tiempo real para decidir cómo resolver un problema es magia"
El 'big data' llegó para quedarse, pero lo siguiente es mejorar el rendimiento empresarial gracias al análisis de esos datos y a la reacción inmediata. El Chief Revenue Officer de Celonis, Miguel Milano, apuesta por ello para eliminar los errores derivados de la superposición de sistemas mal integrados
Si pudiéramos observar las tripas digitales de una empresa, veríamos un amasijo de interconexiones chispeantes, inmediatas y vertiginosas. Millones de capas interconectadas que, con el avance de los desarrollos tecnológicos y la suma de dispositivos y sistemas, han ido haciéndose más y más complejas.
En ese enjambre, se corre el riesgo de perder información o de que los procesos fallen. Una factura que no llega al cliente, un pedido que no es notificado, un envío que se lanza dos veces. En estas pequeñas ineficiencias, se consume mucho dinero y tiempo. Pero hay solución al alcance de la tecnología: analizar los datos para reaccionar en tiempo real a esos problemas.
En la multinacional Celonis han dado un paso más allá y, lejos de limitarse a almacenar los datos de sus clientes, los conectan para encontrar las ineficiencias ocultas y aplicar inteligencia para mejorar los procesos comerciales. Miguel Milano, Chief Revenue Officer (CRO) de Celonis, explica cómo el software como servicio (SaaS, por sus siglas en inglés) en la nube es el futuro del rendimiento empresarial.
Las tecnologías en la nube son cada vez más sofisticadas y especializadas: no solo ofrecen almacenamiento cloud, sino que consiguen añadir nuevos valores. ¿Cuál quieren añadir desde Celonis?
Nuestro objetivo es convertirnos en la capa de datos de ejecución de los procesos de las empresas. Una vez los tenemos, podemos aplicar la inteligencia artificial [IA] de distintas maneras.
Por ejemplo, con nuestros algoritmos patentados de process mining [minería de procesos] podemos reconstruir un proceso: entender que aquí hay un paso, aquí una intervención manual, allí un requerimiento o una orden de entrada... Estos algoritmos comprenden el proceso como si fueran unos rayos X que ven a través de un sistema y averiguan qué está pasando.
Nos hemos dado cuenta de que poner la capacidad de análisis encima de la información que ya tiene el cliente revela más fácilmente cuáles son los problemas de los procesos tradicionales.
¿Qué tipo de fallos se encuentran?
Que las empresas pagan por duplicado, antes de tiempo o tarde, y reembolsan facturas de la manera equivocada. Por este tipo de cosas, se pierden descuentos existentes en los contactos de los que no son conscientes. También, que la mayoría de los fabricantes envían producto a sus clientes y se olvidan de adjuntar la factura; esto pasa todos los días en todas las empresas.
"Lo que las empresas quieren es corregir los errores en tiempo real, pero, aunque entiendan qué deberían hacer, no pueden"
Al final, las compañías suelen saber el tipo de problemas que existen. Es como si le dices a un oncólogo que un paciente tiene un cáncer de pulmón; cuando sabes que hay algo ahí, es más fácil encontrarlo. Lo que las empresas quieren es corregir los errores en tiempo real, pero, aunque entiendan qué deberían hacer, no pueden.
¿Qué impide a una compañía solucionar esos problemas en sus procesos?
Las empresas tienen de media 450 sistemas de IT que soportan procesos de negocio. No es anormal ver una empresa que tenga 3.000. Las capas de esos sistemas son rígidas, están desfragmentadas y desvinculadas, no se hablan entre ellas y muchas están obsoletas. Se hacen integraciones, pero el problema es que fuera del camino ideal del proceso, hay miles de variantes. El proceso puede ir por distintos nodos o agentes, y muchas de estas variantes no están soportadas por los sistemas.
Estos problemas, las brechas de ejecución, son los sillent killers [asesinos silenciosos] de la compañía: nadie los ve, nadie sabe que se están pagando facturas de manera duplicada o mandando un producto a un cliente sin cobrarle, porque pasa debajo de las pantallas de los sistemas informáticos implantados en las empresas.
¿Esto va a ir a más?
Sí, porque cada vez hay más sistemas informáticos para áreas más pequeñas de la empresa y con problemáticas más específicas.
¿Cómo puede entonces solucionarse?
En Celonis compramos hace unos años una plataforma de integración tecnológica, platform as a service [PaaS], que permite hacer integraciones y llamadas a las API.
Ya hemos sido capaces de ingerir datos transaccionales y aplicarles inteligencia artificial, big data y modelos de aprendizaje automático para predecir y analizar la complejidad. Lo que ahora es una revolución es la capacidad de, a partir de un evento del que tenemos datos en tiempo real, ejecutar una acción o una lógica de negocio.
En el caso de los pedidos que salen sin factura, lo que hacemos en el action flow [flujo de la acción] es que, cada vez que va a enviarse algo del almacén, Celonis lanza una orden de espera. Esa espera dura 0,000000001 segundos. La IA analiza si hay una factura preparada para ir con el pedido.
"La próxima disrupción es la posibilidad de unir la minería de procesos con la automatización sin cambiar los sistemas"
En el 99,9999% de los casos, la hay. Ahí, Celonis no hace nada. Pero una de cada 10.000 veces no está lista, el pedido sale sin ella y al cliente ya nunca se le factura, porque no hay gente rastreando hacia atrás los flujos de facturación. En ese escenario, Celonis activa una lógica de negocio automática y le ordena a ese IP que cree una factura para ese pedido. La adjunta y entonces se puede enviar, todo en cuestión de segundos.
Esta capacidad de monitorización en tiempo real para decidir cuándo se actúa y qué lógica de negocio arranca para resolver un problema es magia. La próxima disrupción es la posibilidad de unir la minería de procesos con la automatización sin cambiar los sistemas.
¿Cómo se pueden presupuestar este tipo de servicios?
Nuestro coste directo son los datos que haya en la nube: cuanto más los minamos, más nos cuesta. Por eso, solemos limitar a los clientes en la cantidad de datos que pueden desplegar.
Antes se compraba por procesos. Después, pasamos a simplificarlo y cobrábamos por datos y usuarios. Los más caros son los analíticos, que analizan el proceso, y los usuarios de negocio, pero aquí cada vez cobramos menos porque queremos que la gente consuma los insights [información clave de valor]; eso es lo que de verdad les atrae.
"El futuro de la minería de procesos y la aplicación de inteligencia de datos será una app store con cientos y cientos de aplicaciones para resolver problemas muy concretos"
Por eso hemos creado un modelo de contrato basado en el valor, en el que el cliente puede desplegar lo que quiera y le ayudamos a encontrar esa información. Lo que nos interesa es que las empresas adopten nuestras estrategias.
¿Puede esto aplicarse a todos los sectores?
Ahora estamos incubando casos de uso: bancos, aseguradoras, sector de telecomunicaciones... Vamos recopilando y personalizando, y nos llevamos lo aprendido de un proceso en una compañía a otra. Cuando una empresa de un sector está dentro, todas tienen que estarlo.
El futuro de la minería de procesos y la aplicación de inteligencia de datos será una app store con cientos y cientos de aplicaciones para resolver problemas muy concretos: los clientes podrán elegir qué insights quieren ver de ese proceso y qué acciones o remedios pueden tomar para paliar ese fallo del sistema. Va a ser un compendio de opciones brutal.