Episodio #129: La realidad del dato en el concesionario

¿Por qué entre el 20% y el 30% de los datos en los concesionarios son incorrectos y cómo impacta esto directamente en los ingresos? ¿Qué significa realmente tener una “fuente única de la verdad” del dato en automoción? ¿Cómo se deben organizar los datos para poder automatizar procesos clave como comisiones, márgenes o forecasting? ¿Qué riesgos existen al aplicar inteligencia artificial sobre datos de baja calidad? ¿Cómo están afectando las marcas chinas y las nuevas tecnologías a la urgencia de transformar los concesionarios? ¿Qué cambios organizativos y de talento exige la adopción real de datos e IA en automoción?

En este episodio del podcast de Inventario.pro abordamos una cuestión crítica para el presente y el futuro del sector: la realidad del dato en el concesionario. Nos acompaña Raúl García, CIO de Grupo Unione, con más de 20 años de experiencia en el sector automoción y una visión muy clara sobre cómo la calidad del dato, la automatización y la inteligencia artificial significan un punto de inflexión en la competitividad de los grupos de concesionarios.

A lo largo de la conversación analizamos una paradoja cada vez más común en automoción: nunca ha habido tantos datos disponibles y, sin embargo, una parte muy relevante de ellos es incorrecta, incompleta o inconsistente. Esta realidad provoca que los equipos dediquen la mayor parte de su tiempo a limpiar información en lugar de extraer valor, y tiene un impacto directo en la rentabilidad, la eficiencia operativa y la toma de decisiones estratégicas.

Hablamos también del peso de la cultura heredada del sector, históricamente basada en la intuición y la experiencia, y de cómo ese enfoque choca con un entorno cada vez más presionado por nuevas marcas, especialmente asiáticas, y por tecnologías que avanzan a gran velocidad. En este contexto, Raúl explica por qué ya no es suficiente con tener datos: es imprescindible definir propietarios del dato, establecer una única fuente de verdad y construir procesos claros que garanticen calidad, trazabilidad y visión a largo plazo.

Entramos en detalle en cómo estructurar correctamente la arquitectura del dato en un concesionario o grupo y el uso realista de modelos de analítica avanzada y machine learning. Porque aplicar la IA sobre datos deficientes no solo no ayuda, sino que puede amplificar errores y generar decisiones aún más peligrosas.

Un debate imprescindible para entender cómo se están redefiniendo los concesionarios en los próximos años, en un escenario donde incluso la venta directa online por parte de fabricantes ya no es una hipótesis lejana.

Ideas destacadas del episodio:

• Las empresas de automoción deben priorizar la mejora de la calidad de sus datos y la adopción de tecnologías de inteligencia artificial para seguir siendo competitivas frente a la disrupción causada por las marcas chinas y las nuevas tecnologías, o correr el riesgo de quedarse atrás.
• El 20-30% de los datos en concesionarios son incorrectos, causando pérdidas del 15-25% de ingresos anuales, mientras los equipos dedican 80% de su tiempo a limpiar datos antes de aplicar IA.
• La industria automovilística mantiene una cultura heredada basada en intuición y experiencia en lugar de decisiones basadas en datos, representando una barrera significativa para aprovechar la IA efectivamente.
• Automatizar procesos complejos, manuales y subjetivos como comisiones de equipos de ventas mediante limpieza de datos, organización e identificación de fuentes confiables.
• Los sistemas DMS en concesionarios son difíciles de cambiar, obligando a empresas a construir sistemas internos para crear repositorios óptimos con acceso a datos en tiempo real.
• Los datos de terceros son cruciales para decisiones comprehensivas; las organizaciones deben integrar y disponibilizar datos externos para evitar una visión parcial de la realidad en análisis.
• Definir procesos de datos, nombrar propietarios, asegurar calidad e ingesta, establecer visión a largo plazo sobre eficiencia a corto plazo, priorizando reglas de cálculo de KPIs y documentación estratégica.
• La IA es una fuerza disruptiva similar al auge de ventas por internet hace 20 años, actualmente proporciona ventaja competitiva, pero pronto será esencial para sobrevivir.
• Datos limpios, normalizados y estructurados permiten modelos efectivos de machine learning y analítica avanzada para forecasting y predicción de demanda, mientras datos de baja calidad hacen la IA más peligrosa.
• Se necesitan perfiles senior para aplicar IA y automatización a procesos de negocio, ya que estas tecnologías no entienden el funcionamiento organizacional; expertos en automatización son esenciales para implementación efectiva.
• IA y automatización están reduciendo roles humanos en marketing, ventas y call centers, pero no significa pérdidas de empleo. Los empleados pueden ser reentrenados para tareas de mayor valor mediante reestructuración de funciones automatizables.
• Invertir en calidad de datos mediante tiempo, personal y recursos es crucial para obtener ventaja competitiva y eficiencia operacional, habilitando uso efectivo de IA y modelos de analítica avanzada.
• La industria automovilística enfrenta desafíos de marcas chinas y asiáticas, incrementando competencia y presionando procesos organizacionales, además del impacto disruptivo de nuevas tecnologías como IA.
• La venta online directa de vehículos por fabricantes y marketplaces es una tendencia emergente que impactará significativamente el modelo de distribución automovilística en los próximos 3-5 años, con potencial de disrupción por nuevos actores.
• Grupo Unione, con 20 años de experiencia en Mercedes y otras marcas, se enfoca en mejorar calidad de datos en concesionarios para extraer valor de datos y tecnologías IA.
• La industria automovilística experimenta un cambio de paradigma en gestión de datos, automatización y adopción de IA. Las organizaciones deben ser proactivas y adaptables para mantenerse competitivas, o perderán cuota de mercado.
• Las organizaciones demandan propiedad de datos y disponibilidad en tiempo real de sistemas de información, especialmente en concesionarios donde los sistemas heredados limitan la agilidad operacional.

Segmentos destacados del episodio:

• 00:00 Grupo Unione analiza los desafíos y oportunidades del exceso de datos de mala calidad en la industria automovilística, particularmente con la disrupción causada por las marcas chinas y las nuevas tecnologías.
  • El podcast analiza el estado actual de los datos en los concesionarios de automóviles, con el objetivo de comprender su realidad, desafíos y valor potencial.
  • Raúl García, CIO de Grupo Unione, comparte su experiencia de 20 años en TI dentro del sector automovilístico y presenta la historia de la empresa como un holding formado por la unión de varios concesionarios.
  • La estrategia de la empresa implica reestructurarse bajo una entidad de grupo, centralizar las actividades comerciales y gestionar múltiples marcas, principalmente Mercedes, en medio de las disrupciones del mercado por las nuevas tecnologías y el aumento de la competencia de las marcas asiáticas.
  • El problema actual en la industria automovilística no es la falta de datos, sino un exceso de datos de mala calidad, lo que dificulta que los concesionarios tomen decisiones informadas.
  • El enfoque debe estar en cómo las organizaciones pueden mejorar y extraer valor de la disrupción causada por las marcas chinas que ingresan al mercado con nuevas tecnologías.
• 06:45 Las empresas deben adoptar urgentemente la IA para no quedarse atrás, pero la mala calidad y estructura de los datos dificultan una implementación exitosa.
  • Implementar la IA es urgente porque actualmente ofrece una ventaja operativa temporal, como la adopción temprana del comercio electrónico, y las empresas que no la adopten en un corto plazo corren el riesgo de ser expulsadas del mercado.
  • El desafío es implementar la automatización de la inteligencia artificial en las empresas, ya que los asistentes personales como ChatGPT ya son una realidad, pero integrarlos en entornos corporativos es la parte difícil.
  • La mayoría de las iniciativas de inteligencia artificial (IA) fracasan debido a la mala calidad, estructura o depósito de datos, lo que destaca la necesidad de comenzar con una base sólida antes de implementar soluciones de IA.
  • Entre el 20-30% de los datos de la empresa son incorrectos, lo que resulta en un impacto del 15-25% en los ingresos anuales, y el 80% de los equipos de datos se centran en limpiar y corregir datos en lugar de aplicar tecnología.
  • La industria automovilística ha superado crisis anteriores, pero ahora enfrenta una nueva realidad de desafíos en la rentabilidad operativa, con muchos concesionarios operando con pérdidas o con márgenes reducidos a pesar de tener acceso a más datos que nunca.
  • La falta de un enfoque claro basado en datos en las organizaciones automovilísticas maduras conduce a una dependencia de la intuición y las tendencias históricas en lugar de la calidad de los datos, lo que afecta los márgenes operativos.
• 14:06 Las organizaciones necesitan liderazgo, procesos claros y una única fuente de datos para resolver inconsistencias, garantizar la calidad de los datos y adaptarse a altos volúmenes y a los cambios de la IA.
  • El concesionario tiene que resolver problemas de inconsistencias de datos y fragmentación debido a múltiples sistemas y fuentes dispares que proporcionan datos incorrectos o incompletos.
  • Las organizaciones deben garantizar la calidad de los datos eliminando los datos incompletos, duplicados y desactualizados, y designar propietarios de datos claros para validar y corregir la información para establecer una única fuente de verdad.
  • El problema no es el software ni otra herramienta; las organizaciones necesitan liderazgo con visión estratégica, una persona responsable designada y procesos claramente definidos porque la IA y los cambios del mercado los están diluyendo.
  • Los procesos heredados deben adaptarse a grandes volúmenes de múltiples marcas mediante la definición de un repositorio de datos propiedad de la empresa, el nombramiento de propietarios de datos para la ingesta y la calidad, y la incorporación de la administración de datos en la cultura de la empresa.
  • Priorizar la exactitud de los datos por encima de las medidas para ahorrar tiempo al atender a los clientes es crucial para los beneficios a largo plazo de la empresa y requiere reglas claras para el cálculo de los KPI y documentación estratégica.
  • Las prioridades claras y la normalización de los datos son cruciales, ya que los datos provienen en varios formatos, fuentes y definiciones, y mantener un historial de datos también es importante.
• 21:08 Las empresas pueden mejorar la eficiencia operativa y la toma de decisiones automatizando la limpieza de datos y los procesos, y utilizando modelos de IA que se basen en datos limpios y estructurados.
  • Las empresas no adquieren mágicamente una habilidad o ventaja al nombrar a una persona responsable; se necesitan cambios y limpieza reales en los procesos para evitar problemas de calidad de los datos.
  • Las organizaciones pueden simplificar cuestiones complejas como la compensación del departamento comercial automatizando la limpieza, organización e identificación de indicadores clave de rendimiento.
  • La automatización de cálculos y procesos puede mejorar significativamente la eficiencia operativa al reducir el trabajo manual y resaltar problemas como la compensación subjetiva y los procesos ineficientes.
  • La IA no se trata solo de modelos generativos como ChatGPT, sino que también incluye modelos más antiguos utilizados para el análisis de datos, la previsión y la predicción, que dependen de datos limpios y estructurados.
  • Los modelos de IA proporcionan datos para decisiones informadas, pero no pueden corregir datos erróneos y pueden hacerlos más peligrosos si se usan para la toma de decisiones.
• 29:06 Datos deficientes generan una IA deficiente; las empresas deben invertir en datos de calidad y acceso abierto o correr el riesgo de perder participación de mercado frente a alternativas.
  • Si aplicas inteligencia artificial a una estructura de datos deficiente, obtendrás resultados deficientes, ya que se aplica el concepto de «basura entra, basura sale», donde una entrada de baja calidad produce una salida de baja calidad.
  • Invertir tiempo y recursos en tener buenos datos es crucial, ya que proporciona una ventaja competitiva a través de modelos de inteligencia artificial, y pronto será la diferencia entre la supervivencia y el fracaso empresarial.
  • Se cuestiona cómo puede coexistir la filosofía abierta con sistemas cerrados de algunos fabricantes y empresas que no permiten el acceso o el intercambio de datos, ni siquiera para la lectura.
  • Muchas organizaciones de la industria automovilística todavía restringen el acceso a los datos, pero este enfoque es erróneo, ya que las empresas buscarán alternativas si no se satisfacen sus necesidades.
  • Las organizaciones deben proporcionar datos, ya que aquellas que no lo hagan corren el riesgo de perder participación de mercado, y aunque algunos sistemas como DMS son difíciles de cambiar, la mayoría están haciendo que los datos estén disponibles.
• 34:36 Las empresas construyen sistemas de datos en tiempo real y utilizan automatización/servicios para integrar y normalizar los datos de terceros en lagos de datos, mientras que la IA aumenta o puede reemplazar cada vez más el análisis humano.
  • Integra y normaliza datos de terceros en tu lago de datos para complementar los datos propios, incorporando fuentes externas disponibles y encontrando métodos alternativos cuando los datos externos no sean accesibles públicamente.
  • Las organizaciones necesitan encontrar formas de hacer que los datos de terceros estén disponibles, probablemente a través de especialistas en automatización o servicios externos que integren y brinden acceso a estos datos.
  • La IA puede aumentar o reemplazar el análisis humano en la toma de decisiones, y es incierto si los humanos serán mejorados o sustituidos por la IA en un futuro próximo.
• 39:43 Las empresas están cambiando su enfoque hacia la contratación de perfiles senior que aplican inteligencia artificial a los procesos empresariales, ya que la automatización reemplaza ciertas funciones, lo que requiere reciclaje y adaptación del personal.
  • Las empresas están pasando de contratar talento joven con conocimientos de inteligencia artificial a perfiles más senior que aplican la inteligencia artificial a los procesos empresariales, ya que la inteligencia artificial por sí sola no es suficiente sin comprender el funcionamiento interno de la organización.
  • Muchas organizaciones verán que ciertos procesos son reemplazados por inteligencia artificial, pero esto no significa que las personas sean reemplazadas, sino que podrán centrarse en tareas de mayor valor.
  • La conversación pone de manifiesto que la situación tiene aspectos tanto positivos como negativos, que necesita mejoras y que los próximos cambios sin duda tendrán un impacto.
  • Se sugiere que un tema fascinante para explorar es cómo cambiarán los modelos de ventas y distribución de vehículos en los próximos tres años, particularmente con el aumento de las ventas en línea y el cambio de roles de los concesionarios.
• 44:49 Las marcas de automóviles pueden evitar los concesionarios y vender directamente a los clientes en línea a través de mercados como Amazon en el futuro.
  • Las marcas de automóviles chinas y otras están utilizando grupos de concesionarios como punto de entrada, pero nada les impide vender directamente a los clientes a través de mercados en línea como Amazon en el futuro.