Jaime Caiceo, profesor del MII UC: “Algunas empresas siguen privilegiando la intuición o criterios subjetivos por sobre la evidencia analítica”
Profesor del curso Business Analytics del MII UC, Jaime Caiceo, busca que los “estudiantes no solo aprendan algoritmos y metodologías, sino que también desarrollen la capacidad de comunicar resultados, influir en la toma de decisiones y generar impacto real”.
Cómo incorporar la analítica avanzada y la IA, qué pasa con la calidad de los datos y el talento, son parte de los temas que conversamos con el profesor Jaime Caiceo, quien dicta el curso de Business Analytics en el Magíster en Ingeniería Industrial (MII UC).
Jaime Caiceo, ingeniero civil UC, es socio líder de la práctica de Inteligencia Artificial y Datos en Deloitte Chile, y tiene más de 20 años de experiencia impulsando iniciativas de analítica avanzada, inteligencia artificial e innovación empresarial en distintas empresas y países de la región.
En el ámbito académico y profesional, dice con entusiasmo, “me apasiona el desarrollo de talento y la formación de equipos multidisciplinarios capaces de enfrentar desafíos complejos”.
— Muchas empresas chilenas ya cuentan con dashboards y reportes, pero las decisiones clave siguen basándose en intuición. ¿Qué cambios concretos son necesarios para que el business analytics realmente influya en la toma de decisiones?
“Sí, es cierto. Algunas culturas organizacionales siguen privilegiando la intuición o criterios subjetivos por sobre la evidencia analítica, especialmente en momentos críticos. Si bien la adopción de dashboards y reportes ha permitido contar con más información disponible, la verdadera transformación ocurre cuando la analítica se integra en el proceso de toma de decisiones, no solo como un complemento, sino como un insumo clave”.
Agrega que “para alcanzar una mentalidad verdaderamente data-driven, es necesario impulsar un cambio cultural donde la curiosidad y el valor por la evidencia sean parte del ADN organizacional”.
Esto implica formar líderes que promuevan el uso de datos, establecer procesos claros donde las decisiones relevantes se respalden sistemáticamente en análisis sólidos y capacitar a los equipos para que comprendan el valor de la analítica y sepan cómo aprovecharla en su trabajo diario.
Calidad de los datos: identificar primero los críticos
— La mala calidad de los datos aparece como uno de los principales obstáculos para avanzar en analytics. ¿Por dónde deberían empezar las empresas para ordenar sus datos y construir una base confiable sin paralizar la operación?
“La calidad de los datos es, sin duda, uno de los principales desafíos para avanzar en cualquier iniciativa analítica. Muchas empresas se ven abrumadas por la cantidad de información dispersa y la falta de estándares claros”.
“El primer paso necesario y fundamental para enfrentar este tema es reconocer que la calidad de los datos no es solo un tema tecnológico, sino también de gestión. Por ello recomiendo empezar por identificar los datos que realmente son críticos para el negocio, priorizando aquellos que tienen un impacto directo en los procesos clave y en la toma de decisiones. Este foco permite avanzar de manera incremental y demostrar resultados concretos rápidamente”.
“Luego, es clave establecer responsables claros para la gestión de datos, lo cual técnicamente implicará establecer un programa de gobierno de datos. Esto facilitará luego la definición de procesos de validación y limpieza, junto con la selección de herramientas tecnológicas adecuadas”.
La clave, explica, estará en entender que “la mejora de la calidad de los datos es un proceso continuo y colaborativo. El compromiso de todas las áreas es fundamental para construir una base sólida sobre la cual desarrollar iniciativas analíticas más avanzadas”.
— La falta de talento analítico es un problema recurrente, especialmente fuera de las grandes corporaciones. ¿Qué estrategias están funcionando mejor en Chile?
“La escasez de talento analítico es un desafío global, pero afecta especialmente a empresas medianas y pequeñas. Formar talento internamente es una estrategia que en lo personal valoro muchísimo, ya que permite capitalizar el conocimiento del negocio y cultivar capacidades analíticas adaptadas a la realidad de cada organización”.
Sin embargo, añade Jaime Caiceo, “este camino puede ser más lento y requiere inversiones continuas en capacitación y desarrollo de habilidades técnicas, además de fomentar una cultura de aprendizaje continuo”.
Por otro lado, dice, “la contratación de especialistas aporta experiencia y acelera los procesos, pero puede generar desafíos respecto a la integración de estas personas y la alineación con los objetivos del negocio”.
Continúa: “En ese sentido, el desarrollo de perfiles híbridos, que combinan conocimientos de negocio y analítica, está mostrando excelentes resultados en el mercado chileno. Estos profesionales actúan como puentes entre áreas técnicas y de negocio, facilitando la adopción y asegurando que las soluciones sean aplicables y relevantes”.
Así, señala, “las empresas que logran articular equipos multidisciplinarios y fomentar la colaboración suelen avanzar más rápido y con mayor impacto”.
Proyectos de IA que fracasan
— Las organizaciones quieren incorporar analítica avanzada e inteligencia artificial, pero fracasan en el intento. ¿Cuáles son los pasos mínimos que una empresa debería cumplir antes de pensar en modelos predictivos o IA, y cómo evitar inversiones que no generan valor?
“El entusiasmo por la analítica avanzada y la IA es completamente comprensible, pero para que estas iniciativas sean exitosas es fundamental contar con una base sólida”.
“El primer paso es definir objetivos concretos y alineados con la estrategia de negocio, evitando caer en una especie de ‘ansiedad organizacional’ de implementar estas tecnologías por presiones ajenas a los intereses reales de la organización. Además, es fundamental asegurar la calidad y disponibilidad de los datos, junto con procesos claros para su gestión. Sin estas condiciones previas, los proyectos tienden a no generar el valor esperado”.
Agrega: “Por otro lado, es importante fomentar una cultura de aprendizaje y experimentación, donde los errores sean vistos como oportunidades para mejorar y ajustar los modelos. Comenzar con iniciativas acotadas y medir el impacto permite aprender de manera controlada y escalar las soluciones que realmente aportan valor”.
“La clave está en mantener el foco en el problema de negocio y en el retorno de la inversión, asegurando que cada proyecto de analítica avanzada o IA esté vinculado a resultados tangibles y apoyado por el compromiso de los líderes y equipos involucrados”.
Curso Business Analytics en el MII UC
—¿Cuál es el foco del curso Business Analytics que imparte en el MII UC?
“El curso Business Analytics, que dicto desde 2012, está diseñado para entregar una visión aplicada e integral de cómo la analítica avanzada puede transformar la gestión y la toma de decisiones en las organizaciones modernas”.
“Durante el curso, combinamos fundamentos teóricos con aplicaciones prácticas en casos reales, para que los alumnos puedan desarrollar distintas habilidades. El objetivo es que puedan identificar oportunidades, formular preguntas relevantes y utilizar herramientas analíticas para resolver problemas complejos”.
Además, “el curso pone especial énfasis en la conexión entre datos y negocio, preparando a los estudiantes para liderar procesos de transformación digital en sus organizaciones. Busco que los alumnos no solo aprendan algoritmos y metodologías, sino que también desarrollen la capacidad de comunicar resultados, influir en la toma de decisiones y generar impacto real”.
Magíster en Ingeniería Industrial UC (MII UC)
Conoce el Magíster en Ingeniería Industrial UC (MII UC) programa de gestión avanzada destinado a profesionales (todas las especialidades) que buscan innovar en la forma de administrar y tomar decisiones en las diversas organizaciones.
Formato híbrido (clases online en vivo y presenciales (transmitidas vía streaming).
Postulaciones abiertas.
Toda la información en https://miiuc.cl/
