Skip to main content

Cómo llevar a cabo una transformación digital y analítica en la industria pesada

Para sacar el mayor provecho de los nuevos métodos digitales de fabricación, los principales actores de la industria pesada necesitan implementar algunos elementos facilitadores clave.

En artículos anteriores hemos mostrado cómo las tecnologías digitales y la analítica avanzada (“DnA”) poseen un alto potencial para mejorar las operaciones de fabricación en la industria pesada. También explicamos que para capturar ese potencial a escala, las empresas necesitan utilizar un abordaje sistemático para identificar, desarrollar e implementar las tecnologías y los mecanismos que les ofrezcan el mayor valor. Y hemos demostrado por qué el mejor abordaje para una organización determinada dependerá de su nivel de madurez digital, sus objetivos, y de la naturaleza y la distribución de esas oportunidades.

En este artículo pondremos nuestra atención en cuatro elementos facilitadores críticos: talento, datos, tecnología y ejecución ágil. Las empresas necesitan estos facilitadores en alguna de sus formas para cada iniciativa digital que lanzan, y juntos forman un motor que impulsa la transformación DnA exitosa de las organizaciones del sector. Analizar cuidadosamente el desarrollo de una “musculatura” digital ayuda a la organización a evitar la necesidad de repetir tareas o “reinventar la rueda”, facilita el uso eficiente de los recursos, y promueve la adopción de abordajes estandarizados más fáciles de escalar, replicar y sostener.

Analizaremos estos facilitadores uno por uno.

Talento

Los proyectos digitales y analíticos constituyen actividades que requieren competencias intensivas. Los más recientes avances en software y hardware han contribuido en gran medida a mejorar el acceso y la usabilidad de las nuevas tecnologías, si bien su aplicación exitosa requiere contar con personas capaces de comprender el potencial y las limitaciones de los abordajes digitales, y que sepan cómo aprovechar al máximo las herramientas disponibles.

En la industria pesada, los proyectos digitales requieren nuevas competencias – y con frecuencia nuevos roles – en tres funciones del negocio. Se necesita gente con expertise en los productos y los procesos de producción de la compañía, por ejemplo especialistas en tecnología con conocimientos en áreas como desarrollo de software, robótica y automatización, y también expertos digitales capaces de llevar a cabo programas ágiles o de diseñar una experiencia de usuario atractiva.

Fundamentalmente, los proyectos también requieren personas cuyas habilidades vinculen a estos grupos diferentes. Los ingenieros de datos desarrollan sistemas de TI más eficientes, como bases de datos, procesamiento rápido o fuentes de información nuevas y más confiables. A su vez, los científicos de datos utilizan esos sistemas para capturar nuevos insights y conocimientos de los datos a través de técnicas analíticas y algoritmos eficientes. Los traductores, por su parte, encuadran los problemas de negocios de manera que los especialistas digitales puedan comprenderlos y aplicar sus conocimientos específicos para analizar y refinar continuamente las soluciones DnA resultantes (Gráfico 1).

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

Con la excepción de las intervenciones tácticas, donde la mayor parte del talento necesario puede ser aportado por el proveedor externo contratado para ejecutar el proyecto, el talento suele ser un obstáculo crítico en los proyectos digitales. Y eso no puede ser resuelto solamente por las fuerzas del mercado. Con una ola de digitalización en marcha en la mayoría de las industrias, la oferta de científicos de datos y otros especialistas técnicos calificados está en un nivel bajo globalmente. Además, mejorar sustancialmente la eficiencia en esos roles exige un entendimiento en profundidad de los procesos de manufactura y otros conocimientos específicos de la compañía, además de expertise digital y analítico.

Si bien cierto grado de contrataciones externas es casi siempre necesario para cubrir brechas en las capacidades y dar lanzamiento a programas digitales, muchas de las nuevas habilidades críticas pueden ser desarrolladas internamente (Gráfico 2). Los esfuerzos de capacitación propios no pueden satisfacer la demanda de científicos de datos de la empresa, pero pese a ello están en condiciones de producir un buen número de expertos digitales calificados y competentes, fundamentales para aplicar las nuevas herramientas a escala. Los fabricantes de maquinaria pesada están bien posicionados en este aspecto, dado que su fuerza laboral ya posee buenos conocimientos tecnológicos. Para ellos, el cambio a lo digital es un paso natural: por ejemplo, un ingeniero de automatización ya conoce los componentes clave de la tecnología robótica.

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

Las empresas que se embarcan en programas de transformación de gran escala (en áreas específicas o en toda la organización) pueden establecer una academia digital dedicada a desarrollar competencias en todos los niveles de la organización. Estas academias ofrecen aprendizaje online, teórico y práctico ajustado a los objetivos del programa y a las necesidades de los diferentes grupos de participantes. Los gerentes senior pueden acceder a una visión general de los diferentes abordajes digitales, en tanto que los traductores y especialistas profundizan su conocimiento de las herramientas específicas.

Las academias internas también posibilitan la oferta de capacitación “just-in-time”, de manera que el personal pueda aplicar las nuevas habilidades de inmediato en proyectos reales. En línea con las mejores prácticas de capacitación, el aprendizaje debe ser reforzado con coaching y mentoring continuos en el trabajo. De esta manera, las academias no se limitan a desarrollar competencias, sino que además influyen sobre las mentalidades. La participación concreta en proyectos digitales contribuye en buena medida a eliminar el temor a las nuevas metodologías, además de resaltar sus ventajas. Por lo general, los empleados pueden visualizar de inmediato la manera en que las herramientas digitales mejoran su vida laboral.

Datos

La mayoría de los actores principales de la industria pesada ya poseen la mayor parte de los datos que necesitan. Pero un importante requerimiento de los proyectos digitales consiste en extraer esos datos de los silos existentes en toda la organización, y reunirlos en un lugar accesible para todos. A veces, a los ejecutivos les preocupa que una transformación digital les exija desmantelar y reemplazar la infraestructura de datos existente. Muchos tienen recuerdos desagradables de proyectos de TI de gran escala pasados, que se caracterizaron por ser caros, complejos y proclives a los errores.

La realidad actual es diferente. Las plataformas o los sistemas de integración de datos modernos pueden organizarse como una capa adicional ubicada por encima de los sistemas existentes y que interactúa con ellos en forma fiable. Esto puede incluir el uso de un lago de datos, alimentado por corrientes de información de una variedad de fuentes de tecnología operacional (OT), como redes de sensores, sistemas de control de procesos u otros equipos de automatización de la producción – o de fuentes de TI de nivel superior, como sistemas ERP.

El proceso no es enteramente automático; algunas fuentes pueden requerir acciones adicionales para su integración. Los registros de mantenimiento históricos o los informes de turnos podrían estar disponibles solo en papel, por ejemplo, y es posible que se deba reemplazar sensores análogos o no instalados en red. La regla más importante, que reduce las fallas y minimiza los costos, es integrar gradualmente solo los datos necesarios para los proyectos DnA en marcha.

Una vez que las empresas pueden comprender sus datos, el paso siguiente es gestionarlos. Para ello se necesitan políticas y procesos de gobierno robustos y una estandarización rigurosa, empleando designaciones convencionales consistentes y un único “diccionario de datos” para asegurar que los proyectos digitales futuros sean capaces de identificar la información que necesitan (Gráfico 3).

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

La calidad de los datos representa un desafío significativo, y muchas veces subestimado, que debe ser abordado lo antes posible al lanzar una transformación digital. Para ello se requieren procesos para detectar y solucionar problemas con datos faltantes o erróneos. Las compañías también deben asegurarse de comprender las características de la información en su poder: la frecuencia y la oportunidad de medición pueden tener fuerte impacto en la aptitud de los datos para representar constructivamente el proceso subyacente. Y en muchas aplicaciones industriales, los errores de medición pueden ser significativos y crear incertidumbre capaz de opacar las mejoras de desempeño típicas del uno al tres por ciento generadas por las soluciones DnA.

Las empresas necesitan, además, un proceso sistemático para identificar potenciales riesgos y definir medidas de mitigación y mejoras apropiadas (Gráfico 4). Compartir información o código de software entre unidades de negocios y funciones puede ser un tema sensible. Los gerentes de las unidades de producción podrían ser reacios a revelar el desempeño real de sus operaciones, por ejemplo, y los líderes de los negocios a exponer información comercial de carácter confidencial. Garantizar procesos de ciber-seguridad y control de acceso adecuados desde el inicio de la transformación digital ayuda a disipar esos temores.

We strive to provide individuals with disabilities equal access to our website. If you would like information about this content we will be happy to work with you. Please email us at: McKinsey_Website_Accessibility@mckinsey.com

Tecnología

Estimuladas por los vigorosos esfuerzos de marketing de proveedores y start-ups, es común que las compañías adopten una perspectiva de poner la tecnología en primer lugar al considerar una transformación digital. Se trata de un error a evitar. En la práctica, solo un número reducido de herramientas digitales, tecnologías o plataformas analíticas pueden aplicarse a un problema determinado. El éxito depende más de la capacidad de una organización para definir el problema con claridad, acceder a la información apropiada e integrar la solución a sus operaciones.

Las nuevas metodologías digitales no demandan mejoras tecnológicas significativas. Los controles y las estrategias en uso en las plantas de producción por lo general pueden ajustarse o reconfigurarse para entregar valor adicional, utilizando los insights de sistemas de aprendizaje automático o técnicas relacionadas.

Más importante que las capacidades de las herramientas digitales individuales es la habilidad de la organización para fomentar su uso. Este punto se está volviendo particularmente importante con el creciente uso de bibliotecas de código abierto. Las empresas deben ser muy cuidadosas al utilizar múltiples versiones, ya que el mundo del código abierto lanza continuamente nuevas actualizaciones capaces de volver obsoletas las funciones existentes.

La proliferación de abordajes eleva los requerimientos de capacitación de usuarios, mantenimiento y respaldo técnico, y también puede hacer más difícil compartir metodologías exitosas en todas las áreas de la empresa. Como consecuencia, lo ideal es estandarizar siempre que sea posible, seleccionando tecnologías apropiadas en áreas como análisis de datos o aprendizaje automático luego de evaluar candidatos a lo largo de una variedad de casos de uso.

Las herramientas elegidas deben reflejar el entorno de trabajo amplio de la organización. Si la empresa utiliza aplicaciones de negocios generales, como planillas de cálculo y servicios de mensajería de un proveedor específico, es conveniente desarrollar las nuevas aplicaciones digitales en las mismas plataformas. De hecho, la brecha entre TI y TO a nivel empresarial se está achicando en múltiples contextos industriales. Las empresas pueden utilizar sensores conectados en red mediante wi-fi para reunir información no crítica, o para acceder a datos de procesos y de desempeño a través de teléfonos inteligentes y tablets.

La estandarización no debe impedir a las empresas mejorar las tecnologías que utilizan. El espacio digital avanza a gran velocidad, con nuevas soluciones emergiendo continuamente. Dado que los equipos de la línea de frente no disponen de tiempo suficiente para analizar el mercado continuamente, una buena medida consiste en crear un grupo corporativo responsable por identificar y evaluar las tecnologías más prometedoras. Otra opción es construir un ecosistema de relaciones colaborativas con un grupo selecto de proveedores de tecnología.

Ejecución ágil de proyectos

Las iniciativas digitales son diferentes del resto de los proyectos de ingeniería en la industria pesada. La mayoría de las organizaciones digitales han abandonado la metodología Waterfall tradicional, caracterizada por su énfasis en las especificaciones formales y revisiones rígidas por etapas. En su reemplazo, han adoptado la metodología Agile, donde el trabajo de desarrollo tiene lugar en el marco de sprints breves e iterativos, enfocados en testear y refinar los productos de manera rápida y constante.

A primera vista, parecería que esta metodología acelerada de ejecución de proyectos podría resultar difícil de implementar en equipos habituados a un ritmo más lento y meticuloso. Pero una segunda mirada otorga las garantías necesarias. En la práctica, la ejecución ágil tiene muchas cosas en común con el ciclo de mejora continua e incremental seguido por la mayoría de las compañías que han adoptado técnicas de fabricación Lean. Y eso incluye a un gran número de jugadores de la industria pesada.

Pero hasta las empresas con sólidos antecedentes en la aplicación de principios Lean deberán adoptar nuevas estructuras organizacionales y nuevas formas de trabajar para adaptarse a las metodologías ágiles. Y para ello tendrán que formar equipos multi-funcionales con representantes de operaciones y TI, para trabajar codo a codo con los científicos de datos y otros expertos. También deberán habituarse al ritmo de trabajo ágil, con sprints breves, prototipado frecuente, y tests y mejoras continuas. Por lo expuesto, las transformaciones de gran escala suelen beneficiarse con el establecimiento de una oficina de gestión de proyectos (PMO) dedicada para medir los avances y los logros de las iniciativas individuales, y asegurarse de que las mejores prácticas emergentes sean compartidas en toda la organización.


La digitalización a escala exige contar con la infraestructura adecuada. La buena noticia para la industria pesada es que ya cuentan con varios de los elementos básicos en su lugar, entre ellos una fuerza laboral técnicamente capacitada, equipos instrumentados y una cultura de mejora continua. A partir de esa base, las empresas pueden acceder al talento, los datos, la tecnología y las competencias de desarrollo ágil requeridas para sostener sus aspiraciones digitales.

Sobre los autores

Milan Korbel es Experto Senior de McKinsey & Company con base en la oficina de Melbourne; Stuart Sim es Socio de la oficina de Nueva Jersey; Ken Somers es Socio de la oficina de Amberes; y Joris van Niel es Experto Senior de la oficina de Ámsterdam.

Related Articles