¿Por qué fallan tantos proyectos de cambio en las organizaciones? Porque están enfocados en conseguir que las personas hagan las cosas mejor y más rápido y no en cambiar el "sistema". Detrás de esta realidad está la raíz del limitado beneficio, en muchos casos muy lejos del potencial esperado, o incluso del fracaso, de muchas iniciativas de Performance Management, Business Intelligence (BI), TQM, BSC, CRM...

Afortunadamente, resulta sorprendente como el uso del concepto de "sistema" ha demostrado ser extraordinariamente útil para abordar con sencillez situaciones complejas de relaciones sociales, humanas y de negocio. No es de extrañar que esté anunciada por algunos la superación de la "era de la información" para dar paso a la "era de los sistemas".

Una metodología completa de BI debe adquirir el valor de la conjunción de dos corrientes metodológicas:

• Metodologías de BI enfocadas al negocio.
• Metodologías de Pensamiento Sistémico. Reduciremos al mínimo las cuestiones tecnológicas de BI, aunque estás también son parte del sistema.

Las principales causas de fracaso en la implementación de soluciones de BI no se encuentran en cuestiones técnicas o tecnológicas, sino en aspectos organizacionales y de negocio. Esto puede corroborarse consultando numerosos informes de analistas. La necesidad de entendimiento y de creación de equipo entre unidades de negocio y Tecnologías de Información se hace aún más relevante en BI que en otras soluciones tecnológicas. Existen probadas metodologías (Kimball, Inmon, Imholf, híbridas), que bien implementadas resuelven con éxito los aspectos tecnológicos de BI. No ocurre lo mismo para los aspectos no tecnológicos.

Por este motivo en los últimos años han surgido metodologías de BI enfocadas al negocio. Estas metodologías hacen énfasis en la fase de arquitectura y han establecido la necesidad de organizar BI en torno a mapas de oportunidades de negocio, alineados con la estrategia de la organización. Un ejemplo de esta metodología lo encontramos descrito en [1].

Adicionalmente, desde el punto de vista organizacional se establece la necesidad de crear programas de BI Governance y estructuras organizacionales como Comités y Centros de Competencia de BI (BICC). Estos elementos han tenido cierta proliferación y han paliado muchos de los problemas que surgen en los proyectos complejos de BI.

Este mayor énfasis en aspectos organizacionales y de negocio ha sido una mejora importante en el desarrollo de iniciativas de BI. Cualquier metodología actual de BI debe incluir características como:

• Organización de BI como un portfolio de servicios enlazados a un mapa de oportunidades de mejoras de negocio.
• Establecimiento de un programa de BI Governance, incluyendo cuando sea necesario estructuras organizativas como Centros de Competencias de BI (BICC).
• Dirección de programas iterativos, no gestión de un proyecto.
• Diseño y arquitectura de información, no de aplicaciones.
• Incorporación de metodologías tecnológicas probadas (Kimball, Inmon, Inhoff...).

Pero todos estos componentes siguen siendo "hard systems", salvo en aspectos meramente organizacionales. Al introducir a las personas el sistema se nos convierte en un "soft system". El factor humano puede modificar completamente el funcionamiento de un sistema, por muy bien concebida que esté la metodología desde un punto de vista "hard system". Peter Checkland [2][4], introduce en su metodología de sistemas blandos, (Soft Systems Methodology, SSM), acciones de mejoras en tres frentes: organizacionales, procesos y de comportamiento. SSM ha sido utilizado con éxito en diferentes entornos de Sistemas de Información [3].

Algunas metodologías de BI [1] para abordar el "problema" humano incluyen métodos de "reingeniería de procesos" y de "gestión del cambio" para los usuarios, pero mantienen la tendencia generalizada en gestión y recursos humanos, de usar una aproximación de resolución de problemas ("problem-solving aproach"), hilo conductor de las metodologías de gestión técnica. "Si resuelvo los problemas de cada una de las partes, obtengo la solución completa" es la creencia errónea que sustenta este tipo de métodos. Esto, casi nunca sucede.

En contraposición, el pensamiento sistémico afirma que es necesario abordar la globalidad del sistema, contemplar la interrelación entre las partes. Por este motivo una de las reglas de SSM es evitar la palabra "problema" porque induce a buscar la "solución". Frente a esto hay que contemplar la realidad como "situaciones problemáticas" sobre las que actuar para obtener mejoras deseables y viables. Orientado a la acción, SSM busca "acciones de mejora" sobre el sistema global, no soluciones a problemas parciales.

Esta visión de SSM no es contradictoria, encaja de hecho a la perfección con las mencionadas metodologías de BI enfocadas al negocio. La diferencia estriba en la aproximación sistémica, no analítica. Las ventajas, sobre todo en cuanto al potencial de éxito y alcance de la solución son considerables.

Antes de definir el concepto de sistema para comprender esta diferencia, se muestra a continuación un ejemplo de algunas de las indeseadas consecuencias de la aproximación exclusivamente analítica en la toma de decisiones.

La aproximación analítica, no sistémica, es causa de muchos de los problemas conocidos de BI: silos de información, soluciones departamentales no integradas, poco uso y participación del usuario de negocio, escaso valor estratégico. Realmente no son problemas propios de BI, sino heredados del modelo de organización, gestión y negocio.

Sobre todos ellos hay amplia literatura. Se expone aquí otro ejemplo de error, la suboptimización, representativo de cómo buenas soluciones parciales generan errores sistémicos en la organización y en el negocio. En estos casos una buena solución BI lo único que hace es mejorar la enfermedad, es decir empeorar los malos hábitos decisionales.

A diferencia de otros males, la organización víctima no es consciente del problema de sub-optimización, o no desea cambiarlo, incluso la fomenta. La sub-optimización es una de las causas que erosionan la competitividad de las empresas y atrofian la posibilidad de desarrollo de las mismas. Jamshid Gharajedaghi [5] cita las siguientes causas principales de erosión de la competitividad, de menor a mayor impacto: imitación, inercia, sub-optimización, cambio del juego (en el mercado por ejemplo), desplazamiento de paradigma.

El problema de la sub-optimización puede nacer de la diferencia de poder real entre unidades de negocio y de las personas en las empresas. Por ejemplo, una persona en una organización se convierte en un héroe al resolver un problema crítico de negocio. Esta persona recibe veneración y autoridad que acaban otorgándole mayor poder, convirtiéndole en un decisor clave. Cada vez más decisiones pasan por sus manos y la tendencia natural es fortalecer su posición. Su departamento se hace más poderoso y recibe más recursos. Los buenos vendedores venden a las personas con poder, no a las más necesitadas de solución. Todo contribuye a optimizar el departamento más optimizado de la empresa. El departamento se hipertrofia.

El círculo vicioso de la sub-optimización se agrava porque, en ambientes de competencia interna de recursos y poder, otros departamentos se atrofian siendo ignorados mientras los primeros se desarrollan. Las unidades de negocio atrofiadas ponen el límite al desarrollo del negocio, pero difícilmente recibirán los recursos que necesitan.

En cuanto a Business Intelligence, el departamento hipertrofiado es el máximo candidato para liderar una solución de BI y en consecuencia hacerse con el poder de la información y el conocimiento. BI es un contribuyente neto a la sub-optimización y a otros errores sistémicos de las organizaciones, salvo que las soluciones de BI se aborden con una visión holística, lo que quiere decir entre otras cosas, con una visión corporativa y estratégica.

La sub-optimización para la organización es en cierto modo el equivalente a las burbujas del mercado, que hipertrofian temporalmente algunos sectores generando círculos viciosos hasta el colapso.

Es imposible romper un círculo vicioso de este tipo sin tomar conciencia del mismo. Desde el análisis, desde los datos, es imposible esta toma de conciencia. La única posibilidad de abordar estas situaciones es desde perspectivas sistémicas.

La sub-optimización es solamente un ejemplo, existen muchos más errores sistémicos, círculos viciosos y virtuosos transparentes, inaccesibles, a un aproximación analítica.

En consecuencia, tal como indicamos en la introducción, mejorar la infraestructura, la información, el conocimiento, las personas, pocas veces contribuye a una mejora global del sistema, e incluso tras una aparente mejora lo empeora en el largo plazo. Para mejorar el sistema hay cambiar el sistema.

Nuestra cultura se basa en casi su totalidad en el pensamiento analítico. El éxito del método científico, basado en la aproximación analítica, ha contribuido a esta situación. La aproximación analítica hacia los problemas, también se denomina reduccionista, puesto que divide los problemas en las partes que los componen y establece que resolviendo cada una de las partes a las que ha sido reducido se resuelve el problema completo.

En contraposición al método tradicional surge la aproximación holística. Ésta utiliza el concepto de sistema, enunciado por primera vez por Ludwig von Bertalanffy en 1950, con la siguiente definición: "un sistema es una entidad que mantiene su existencia a través de la mutua interacción de sus partes". Una persona, un coche, una red social, la tierra, por supuesto una organización, son ejemplos de sistemas. En cambio, un montón de arena no es un sistema, no hay interacciones entre sus partes.

El lenguaje sistémico hace énfasis en las interacciones entre las partes, y no en las partes. En la figura 1 usamos un ejemplo de diagramas causales de "dinámica de sistemas".

El gráfico nos ilustra la sencillez del lenguaje sistémico, una de sus ventajas. Los dos bucles mostrados prácticamente son auto-explicativos y nos muestran de forma cualitativa, el comportamiento dinámico de elementos del sistema. ¿Cuántas palabras y tiempo nos llevaría explicar lo mismo que expresan estos diagramas con lenguaje analítico? Mejor aún, pasar de modelos cualitativos a modelos cuantitativos que permiten la simulación es posible y existen herramientas que hacen fácil la tarea.

Se enuncian a continuación algunas características importantes de los sistemas.

4.1. Propiedades emergentes

Son propiedades exclusivas que emergen en el sistema global resultado de la interacción de las partes, que no se pueden encontrar en las partes. Por ejemplo, la interacción de cuerdas vocales, aire de los pulmones, posición de la lengua, órdenes del cerebro, un código de lenguaje producen la voz. La voz es una propiedad resultado de la interacción. No podemos llegar a la voz, por ejemplo su tono, analizando cada una de las partes que interaccionan para producirla.

4.2. Los sistemas son abiertos

Los sistemas se relacionan con otros sistemas y con su entorno, forman parte de sistemas más amplios que los contienen. Las interacciones más importantes del sistema son las que tiene con su entorno. Tampoco podemos entender el sistema sin este tipo de interacciones. Por ejemplo, en el sistema Tierra existen cuatro estaciones (primavera, verano, otoño, invierno). Podemos obtener el conocimiento de cómo se suceden las estaciones y cuáles son sus características analizando los datos registrados año a año. Pero sólo estudiando la interacción de la Tierra con el sistema que la contiene, Sistema Solar, entendemos por qué se producen las estaciones, fruto de la interacción entre sol y tierra.

Afirma Russell Ackoff [6] que la aproximación analítica produce conocimiento, encuentra respuesta al "¿cómo?", mientras la sistémica produce entendimiento, responde al "¿por qué?". Son complementarias, por eso hoy día el pensamiento sistémico se extiende a todas las disciplinas científicas. Ackoff establece la comparación entre la aproximación analítica y sistémica que se muestra en la tabla 1.

El método empírico sigue la aproximación analítica, reproduce experimentos en laboratorios bajo determinadas condiciones. Los resultados obtenidos en el entorno aislado del laboratorio se extrapolan a la realidad completa.

Pero con la realidad no podemos experimentar. En un entorno de negocio no podemos hacer experimentos de prueba y error con distintas decisiones, ni podemos aislar una parte del entorno, del mercado, de los procesos para que funcionen aisladamente. El método analítico resulta inadecuado para abordar la mayoría de las problemáticas de negocio. Ante esto la aproximación sistémica nos ofrece la simulación como herramienta de estudio y prueba sin intervenir en la realidad, y la visión holística, no aislada, del sistema dentro de su entorno global, como la única válida en entornos sociales, económicos, de negocio...

4.3. Dinámica compleja y retroalimentación (feedback)

Si volvemos a la figura 1 podemos extraer más conclusiones. En los dos bucles causales se produce un mecanismo de retroalimentación (feedback), importantísima característica de los sistemas. En el primero esta retroalimentación es positiva produciendo un círculo virtuoso, si suben las ventas, o vicioso si éstas bajan. No hay un límite al crecimiento aparente. Por el contrario el segundo bucle muestra una retroalimentación negativa a través de la relación entre número de competidores y precio. El segundo bucle mostrará un límite en su crecimiento, tiende a la estabilidad.

En todos los procesos de negocio se producen mecanismos de feedback que afectan a la dinámica del sistema. El feedback no suele ser inmediato, sino que se producen retardos ("delays") en estos mecanismos que no solo complican la dinámica, sino que impiden su detección incluso con sofisticadas herramientas analíticas de BI. Esto provoca efectos de nuestras decisiones a largo plazo contrarias o distintas a las que esperadas en el corto plazo.

Cambios constantes, "feedback", "delays", no linealidades, efectos contra-intuitivos, acoplamientos... JohnStermanen [7] describe qué hace compleja la dinámica de los sistemas y de los negocios. Esto, unido a las barreras de aprendizaje de nuestro cerebro, constituye la causa fundamental de que los expertos de negocio se equivoquen en sus análisis y tomen decisiones erróneas, incluso disponiendo de información de calidad proveniente de sistemas de BI [8].

La forma de superar estas barreras es la modelización y simulación del negocio. No hay otra vía. Las herramientas de BI no pueden abordar esta problemática, están concebidas para el análisis, no para la síntesis.

Existen distintas metodologías de pensamiento sistémico: Dinámica de Sistemas, Cibernética, Teoría del Caos, Planificación Interactiva, Soft System Methodology, System Of Systems Methodology... Michael C. Jackson [9] hace una detallada descripción y comparación de estas metodologías.

Describimos aquí la aplicación de dos de estas metodologías a BI. Por un lado como herramienta de modelización del negocio y simulación, "Dinámica de Sistemas" [10] es un complemento necesario probado que aporta mejoras sustanciales a los beneficios esperados típicos de una solución BI. Dos ejemplos probados de este maridaje son:

• Superación de las limitaciones de los cuadros de mando y un incremento sustancial de su valor de negocio y aplicación práctica. De hecho hoy día no deberíamos limitarnos a desarrollar Balanced Scorecards (BSC). Cualquier Organización que decida utilizar BSC debería directamente diseñar Dynamic Balanced Scorecards (DBSC) que incorporan pensamiento sistémico al BSC. Con muchas ventajas, más sencillo que el BSC tradicional, permite identificar, cuantificar y ponderar métricas y KPIs (Key Performance Indicators), y estudiar el comportamiento dinámico del cuadro de mando.

• Incorporación de modelos dinámicos de negocio, imprescindibles entre otras cosas para una correcta simulación. La predicción analítica, tanto a través de la Minería de Datos, o con el uso de las típicas simulaciones "What If" de las herramientas de BI, son claramente insuficientes para prever, influir o controlar el futuro del negocio o de la organización. Esto es así por razones de diversa índole que no es posible detallar aquí, tanto técnicas como metodológicas como muestra Mahesh Raisinghani [11].

Los dos ejemplos anteriores llegan a ser críticos en algunas organizaciones y tienen un futuro asegurado. La simulación está contemplada por Gartner y otros analistas como una tecnología clave y de mayor previsión de crecimiento. De la misma forma que antes de lanzar la fabricación un avión se usan los simuladores de vuelo para garantizar un correcto diseño y para el aprendizaje sin riesgo por parte de los pilotos, un simulador de negocio nos permite aprender sin riesgo y valorando el impacto de todo tipo de decisiones.

Además de la complementariedad técnica que proporciona la Dinámica de Sistemas, la otra vía para mejorar los programas de BI la encontramos en la mejora metodológica que proporciona el pensamiento sistémico. En este sentido enunciamos una propiedad importante adicional de los sistemas descrita por Peter Checkland en su SSM. Los sistemas actúan con propósitos ("purpusefully") [2][4]. Las personas, por ejemplo, actúan con intención, con propósitos. Los sistemas complejos, como los seres humanos, son multipropósito.

SSM establece que las situaciones problemáticas contienen distintos worldviews (visiones) de los actores del sistema. Como se mencionó, SSM es una metodología orientada a la acción. La interacción entre las worldviews define las transformaciones deseables y viables en esta metodología. SSM acaba definiendo un conjunto de acciones para mejorar representadas en un "modelo de actividades con propósitos" con métricas de eficacia, eficiencia y efectividad. Modelo que sirve no solo para construir, sino como dispositivo de comunicación entre los actores del programa. La figura 2 muestra los pasos de la metodología SSM. El paso 4 define los modelos de actividades.

El enlace de la metodología de BI enfocada al negocio con SSM puede establecerse fácilmente. El mapa de oportunidades de negocio representa los worldviews y propósitos de SSM, el modelo de actividades con propósito representa el programa iterativo de BI, y la gobernanza se establece a través de las métricas de eficacia, eficiencia, efectividad.

Conclusión

El pensamiento sistémico se está extendiendo a multitud de disciplinas, mostrando una capacidad para afrontar situaciones complejas. BI debe beneficiarse de esta aproximación complementaria a la analítica.

Siguiendo los pasos de la metodología sistémica contemplamos la identificación del sistema superior en la que está contenida la parte en estudio. Business Intelligence es un elemento del sistema de decisiones. Un sistema de decisiones consta de dos subsistemas fundamentales, el de información, generada a través de los datos obtenidos de la realidad, y el de los modelos mentales que generan la estrategia y reglas de negocio [9] [10]. BI adquiere el rol del subsistema de información en la toma de decisiones, mientras que pensamiento sistémico representa el subsistema de los modelos mentales o de negocio. La conjunción de la información de calidad y la modelización sistémica nos proporciona la capacidad de simulación cualitativa y cuantitativa del negocio. Este es el primer beneficio del uso de Systems Thinking en BI.

Como segundo beneficio BI puede beneficiarse de las mejoras metodológicas aportadas por el pensamiento sistémico para abordar situaciones o programas complejos, permitiendo priorizar oportunidades de mejora de negocio con sus métricas y KPIs. BI debe evolucionar de la misma forma que en otras ingenierías han evolucionado con éxito de las metodologías duras ("hard") a las metodologías suaves o blandas ("soft"). El beneficio esperado es un mayor potencial de éxito, al contemplar las acciones necesarias: tecnológicas, organizacionales, de proceso y de comportamiento.

Finalmente, destacar que el mayor beneficio del pensamiento sistémico es el de la creatividad y la innovación en cualquier área de actividad en la que se aplique. Creatividad con propósito es un requerimiento obligado en el entorno de gestión actual.

Referencias

[1] Steve Williams, Nancy Williams. The profit Impact of Business Intelligence. Elsevier, 2007.

[2] Peter Checkland. Systems Thinking, Systems Practice. Wiley, 1981 [rev 1999 1st ed.]. ISBN-10: 0471986062.

[3] Peter Checkland, Sue Holwell. Information, Systems and Information Systems. Wiley, 1990.

[4] Peter Checkland, John Poulter. Learning For Action: A Short Definitive Account of Soft Systems Methodology, and its use Practitioners, Teachers and Students, Wiley, 2006. ISBN-10: 0470025549.

[5] Jamshid Gharajedaghi. Systems Thinking: Managing Chaos and Complexity. A Platform for Designing Business Architecture. Elsevier, 2006.

[6] Russel L. Ackoff. Re-Creating The Corporation. Oxford University Press, 1999. ISBN-10: 9780195123876.

[7] John Sterman. System Dynamics Modelling, Tools For Learning in a Complex World. California management review 43 (4): pp. 8–25, 2001.

[8] Carlos Luis. Los Hombres Que No Amaban a las Decisiones. <http://www.beyenetwork.es/channels/1576/view/11703&gt;, octubre 2009.

[9] Michael C. Jackson. Systems Thinking, Creative Holism for Manager. Wiley, 2003. ISBN-10: 0470845228.

[10] John D. Sterman. Business Dynamics. McGraw-Hill, 2000. ISBN-10: 007238915X.

[11] Mahesh Raisinghani. Business Intelligence in the Digital Economy: Opportunities, Limitations, and Risks. IGI Global, 2004. ISBN-10: 1591402069.