Si convenimos que el servicio de contratación pública es estratégico para la sociedad, acto seguido deberíamos de preguntarnos como se toman las decisiones de compra y con qué datos, para definir y ejecutar la estrategia basada en la contratación pública.
La mayoría de las decisiones se toman en base a predicciones que hacemos continuamente. Por tanto, la calidad de las predicciones determinan la calidad de las decisiones que tomamos.
La predicción.
Predecir es conocer información con datos que no tenemos a partir de la información de datos que sí tenemos.
La inteligencia artificial en sus apartados de aprendizaje automático y aprendizaje profundo (machine learning y Deep learning, respectivamente) tratan sobre este asunto. La predicción es fundamental en la toma de decisiones. Cuando las predicciones se hacen en base a principios y valores para alcanzar objetivos de interés general, y no objetivos de intereses particulares (corrupción y ego), los resultados suelen ser óptimos.
“Las predicciones deben basarse en datos siempre que sea posible”. Cuando no hay datos, las decisiones utilizan la intuición y las creencias, que, aunque no lo parezca utilizan muchos datos de forma inconsciente.
Los datos y la información.
Si vamos a utilizar datos para predecir hay que gestionar la calidad y el valor de los datos.
Según “The Economist”, los datos son el petróleo de la nueva economía, pero como en el caso del petróleo, los datos hay que refinarlos y ponerlos a disposición del usuario de forma óptima en el momento adecuado.
¿Y como hacer esto con los datos.?
Las tres fases de la gestión de datos que confluyen en métodos de predicción:
- Preparación
Una adecuada gestión de datos maestros, fuentes y calidad de datos. Sin datos de calidad no hay predicciones de calidad, y sin un acopio importante y periódico de datos no hay predicciones.
- El análisis
La analítica de los datos nos da información sobre tendencias y nos permite generar apuntes de predicción.
- La síntesis.
Pero la predicción y el análisis hay que trasladarlos a la organización. Esto debe hacerse en forma de estrategia (donde quiero llegar), y objetivos(con qué, como, como quien y cuando voy a llegar) que sean capaces de cumplir la estrategia. Y todo esto debe de ser trasmitido a la organización es la organización (personas) las únicas que serán capaces de mover a toda la organización al destino que se ha propuesto.
Como empezar a trabajar con predicciones basadas en datos
Para empezar, lo primero que hay que tener es un propósito bien identificado. Una visión que podamos comunicar y compartir. Pequeña y no demasiado ambiciosa, pero que pueda generar valor real y visible a la organización.
Este propósito por tanto, deberíamos determinarlo en función del volumen de contratación y las posibilidades técnicas y presupuestarias actuales teniendo en cuenta lo que quiero conseguir del servicio de contratación pública.
Ponemos unos ejemplos que no son excluyentes ni exclusivos.
- Ahorro de costes. Conseguir más cosas con el mismo presupuesto.
- Mejora del tejido productivo del territorio. Aumentar la competitividad.
- Entregar mayor valor a la ciudadanía y a los departamentos (calidad).
- Mejorar los objetivos estratégicos: inclusión social, innovación, medioambiente.
Sobre estos ejemplos u otros posibles, identificar uno y determinar una métrica que permita cuantificar el potencial valor obtenido. Hay que identificar un propósito de forma prioritaria y determinada. Si todo es importante es que nada es importante. Si no priorizamos es muy difícil avanzar.
Identificar datos o conjunto de datos cuyo conocimiento y gestión reportarían respuestas a preguntas previas a la toma de decisiones.
- Identificar el propósito y los datos útiles
- Automatizar las tareas más tediosas de recogida de datos
- Enfocarse en los datos correctos y gestionarlos en todo su ciclo de vida.
- Empezar con algo pequeño y concreto.
En esta encuesta hay dos grandes áreas de reflexión:
La visión general del servicio
Los datos le van a dar una visión externa y otra interna: Analice ambas en su conjunto. La ciencia cognitiva no trata de cómo conseguir resultados diferentes haciendo lo mismo. Hay que mirar más allá. No se trata de hacer lo mismo con otras herramientas, se trata de cuestionar casi todo. Y esto implica cambios en:
- Tareas: cambiar cómo se realizan las tareas en la organización, y quién las realiza.
- Decisiones: generación de ideas más inteligentes que conducen a resultados más potentes.
- Interacciones: mejorar, acelerar y mejorar interacciones y experiencias con los empleados,
clientes, proveedores y otros afectados.
La velocidad de adopción de las tecnologías cognitivas.
¿Cuán rápido y agresivo deberían las organizaciones en adoptar tecnologías cognitivas?
Aquellos que típicamente emplean una estrategia de adopción agresiva hacia tecnologías emergentes debería considerar tomar el mismo enfoque con lo cognitivo. Pero ese no ha sido, en general, el caso del servicio de contratación.
Los primeros que se enfoquen en la ciencia cognitiva aplicada a la contratación van a encontrarse con una lista de riesgos y problemas:
- las personas con las habilidades requeridas son escasas y costosas (servicios).
- Algunas tecnologías cognitivas todavía son emergentes y no están tan probados y estables como lo serán luego.
- No todas las inversiones tendrán un retorno claro y no todos los proyectos se implementarán con éxito
- La Transformación organizacional impulsado por la tecnología es inevitablemente difícil, no importa cual sea la tecnología que está involucrada.
Las organizaciones que aprovechen las tecnologías cognitivas para aumentar la inteligencia de su servicio de contratación y transformar sus operaciones, podrían obtener un valor significativo.
Entender dónde aplicar estas tecnologías, y cómo evolucionarlas, requiere inversión y persistencia. Sobre todo persistencia. Muchos de los primeros usuarios de la ciencia cognitiva informan que ya están agudizando sus habilidades y desarrollando gerentes y practicantes con talento que entienden su valor actual y su gran potencial.
¿El resto del mundo está moviéndose?
Todas las organizaciones se están moviendo en esta dirección. Y como prueba creo que esta entrada: 5 consejos para comenzar con Machine Learning en su negocio, y el video en el que nos cuenta estos consejos nos pueden dar una visión más clara de que tenemos ya entre nosotros. Y estos son sus cinco consejos (se parecen bastante a lo que hemos comentado):
1. Comience con algo simple
2. Comience con el aprendizaje automático supervisado.
3. No comience con Big Data.
4. Use el aprendizaje automático en la nube
5. Y, sobre todo, comience ya.
Mi propuesta de ciencia cognitiva en contratación pública.
Con la obligatoriedad del formato electrónico, en mi opinión, y si finalmente somos capaces de superar los problemas que ha generado la falta de preparación previa en relación a la transición al formato electrónico (sin olvidar la coordinación y cooperación necesarias para hacer este servicio el que espera la Estrategia 2020), probablemente se va a producir una liberación de tiempo y energía al poder automatizar muchas tareas que ahora se hacen a mano.
Esta energía de las personas liberadas de las tareas repetitivas y tediosas puede dirigirse a mejorar las predicciones actuales y empezar a basar estas predicciones en datos. Lo que redundaría en una mejor planificación de las compras.
La visión general que propongo es la siguiente: Utilizar la estrategia dinámica, el cuadro de mando integral, la analítica y el aprendizaje de doble bucle para mejorar el resultado de la contratación pública.
En la imagen siguiente se visualiza el empleo de estas técnicas en un conjunto que puede resultar útil para muchas organizaciones, como el servicio de contratación de un organismo público:
Este sería el flujo que propongo:
- Se define la estrategia (de compras) y sus objetivos con predicciones basadas en las intuiciones, creencias y los conocimientos útiles disponibles, dentro del entorno VUCA en el que se desarrolla la organización.
- Estos objetivos se trasladan al Cuadro de Mando Integral y al mapa estratégico (conjunto de objetivos que coadyuvan a los objetivos generales con los indicadores clave de rendimiento) para identificar las acciones que verifican la ejecución de la estrategia.
- Los resultados generan datos que alimentan un bucle de doble lazo:
- Bucle 1- los datos de resultados alimentan al CMI y permiten ajustar la estrategia.
- Bucle 2- alimenta una analítica que permite mejorar las predicciones y genera nuevo conocimiento útil, modificando con datos las intuiciones y creencias existentes.
- Se genera un circulo de aprendizaje basado en la realidad y la verificación de hipótesis de innovación que se introducen en la corriente estratégica del CMI.
- Por todo ello, El CMI, la analítica y el aprendizaje de doble bucle, constituyen un método razonable para disminuir el grado de incertidumbre propio de entorno actual.
Y todo esto es un escenario que algunas organizaciones públicas querrán hacer posible para mejorar la productividad y sostenibilidad de su territorio. Pero solo será posible si antes hemos implementado el formato digital en el servicio de contratación.