¿Qué es Automoción? Y ¿Big Data?

Cuando se busca abordar la comprensión de una disciplina novedosa como el Big Data en un tradicional entorno productivo surge la necesidad de fijar previamente unas cuantas precisiones. Primero, que la novedad del Big Data proviene de la culminación de toda una serie de técnicas, con un ya largo bagaje (computación paralela de altas prestaciones con procesamiento masivo, inteligencia artificial, estadística aplicada), que se fusionan para proveer un entorno de desarrollo y aplicación. Segundo, que los ámbitos que cubre el sector industrial de la Automoción son más de uno, contemplando desde el diseño hasta la comercialización, pasando por la fabricación de automóviles, pero también motocicletas o camiones, en sus crecientes variedades. Es decir, que las complejidades que pretendemos abordar son variopintas y fuerzan a que la concepción de “tradicional” quede en entredicho.

Para ello, deberemos de desmenuzar el asunto a tratar (¿cómo aplicar Big Data?) en los distintos ámbitos organizacionales pero, sobre todo, ante los retos empresariales a los que se enfrentan los ensambladores de productos automotrices.

El producto y la plataforma

El automóvil, como concepto nominal, toma su nombre de la autonomía que se le brindaba a un vehículo (ante los antecedentes de tracción “externa” animal) para moverse por el empuje de un motor internado en el propio vehículo. Desde esta perspectiva actual, lo que brinda tradicionalidad al sector es que el gobierno del vehículo reside en el exógeno conductor (y toda la orbitalidad de negocios vinculados al aseguramiento, de personas o mercancías, correspondientes). Por ello, aquí sí que se está introduciendo una disrupción referida a la inteligencia del producto y su autonomía, no sólo de empuje y energética, sino de autogobierno. Ciertamente el producto ya era inteligente, en el sentido de la capacidad de reaccionar automáticamente ante sucesos identificables autónomamente, desde los años 2000, pero ha sido el advenimiento de las capacidades de comunicación ubicua y la disposición de centros que atienden automáticamente a las peticiones del vehículo, lo que ha facilitado que la conducción autónoma de los vehículos sea una realidad pendiente de legislar.

Y, ¿cuáles han sido las principales implicaciones para el “diseñador” de vehículos? Bueno, no hay que ir al prestigioso sector de los automóviles para comprender la evolución de lo que hay que diseñar sino atender a un subsector más prosaico pero sujeto a clientes exigentes con sus resultados, como el de los tractores y el ex-fabricantes John Deere (aquí).

El producto de John Deere no es más un producto-tractor sino una plataforma-servicio a la que el granjero-conductor se adhiere (y paga recurrentemente). Evidentemente, John Deere utiliza las herramientas de Big Data para proveer un servicio que mucho más allá de un vehículo automotriz. Y, claro está, la información colectada de los inteligentes y conectados productos que ensambla no solo se provee para alimentar y conjugarla con otras fuentes (sistemas-plataformas) externas a John Deere sino que es una fuente de información puntual y objetiva de cómo sus productos se están, verdaderamente, utilizando. Dato muy relevante pues los fabricantes, extensible a quasi cualquier producto industrial, ignoran casi por completo como se utilizan sus productos. Tienen información puntual y sesgada, en negativo, de las incidencias que deben cubrir mediante sus garantías o servicios de reparación. Es decir, un fabricante de automóviles ignora cuánto tiempo pasa, ese vehículo concreto que entregó, parado en un aparcamiento o en un atasco. Tal vez hasta ahora no era relevante para su negocio, comercial de venta de un producto, pero en un cercano futuro de conocimiento de los hábitos de consumidor, desconocer ese dato es renunciar a oportunidades de negocio que otros (sector seguros, por ejemplo) están abordando. En resumen, un coche inteligente y conectado brinda una nueva oportunidad de relación con un cliente que precisa un servicio de movilidad conveniente y privativo. Solo incorporando la disciplina del Big Data, para la extracción de hábitos de consumo, que el producto brindará mediante la población de datos en las distintas plataformas, es como los fabricantes verdaderamente descubrirán como sus productos (o servicios) serán utilizados y lo que les obligará a (re)diseñarlos mediante sus nuevas experiencias de servicio.

La empresa y el servicio

Cualquier empresa perdura si su propósito de servicio evoluciona convenientemente a las cambiantes preferencias de sus clientes. Con unos ‘millenials’ que, en creciente mayoría, reniegan del automóvil como elemento de ostentación y prestigio y viviendo en urbes que van poniendo coto al vehículo privado como protagonista de la movilidad personal, ante la imposibilidad de metabolizar tantísimo fósil combustido, se prevee un entorno muy similar al que la película Minority Report anticipaba para la movilidad. Es decir, los fabricantes continuarán ostentando el “top of mind” (o preferencia de consumo) de los usuarios en tanto en cuanto cumplimenten su oferta con una prestación que vaya más allá de mera entrega, y mantenimiento, del vehículo. Algunos fabricantes de alta gama (Porsche Connect, por ejemplo) ya proveen funcionalidades que no se han “fabricado y almacenado” para su posterior entrega sino que requieren de un servicio continuado, y no esporádico o incidental, como una avería. Ello comporta que el fabricante debe estar, permanente e instantáneamente, conectado y atendiendo a su cliente. Evidentemente, por el flujo esperado y exponencialmente creciente de datos básicos que se generarán (por ejemplo de las 62 CPU en un Tesla S), la empresa se verá conminada a incorporar personal que responda a, primero, las inquietudes que las nuevas sofisticaciones comporta para el consumidor (¿por qué mi App no se conecta con mi automóvil? preguntado en en un tweet, por ejemplo) y, segundo, a predecir situaciones, por agregación de muchos comportamientos similares, que requerirán de equipos multidisciplinares de intervención rápida, que tan sólo con la ayuda automatizada de anomalías, podrán mantener la preferencia de la marca y rediseñar el concepto de calidad como un lujo asociado al tiempo y no asociado a la imposible futura posesión de vehículos.

Y ¿cuáles son las principales implicaciones para la organización empresarial que el fabricante tiene actualmente resuelta en silos? Pues que no le será más sostenible. Sencillamente deberá reorganizarse (aquellos que algunos refieren con “transformación digital”) para atender a las nuevas capacidades que se les requerirán a todos y cada uno de los empleados y directivos para entender y descifrar y destilar qué oportunidades se les presentan en el constante e imparable flujo de datos que les provendrán, no sólo de los centenares de miles de productos poblando de datos sus centrales de datos (“data lakes”), sino, y también, de los provenientes de sus diarias operaciones, tanto en la servucción (referencia aquí)  como en la inicial comercialización. Una combinación que requerirá de unos modelos de comprensión solo contrastables si la empresa ha definido muy bien cuál es la experiencia de consumidor que pretende alcanzar y cumplimentar.

La persona y la máquina

Y aquí aparece el verdadero debate, que las técnicas de aprendizaje automatizado (acuñada en anglosajón como ‘machine learning’), afloran sobre las aplicaciones de Big Data, . Entendiendo que estas técnicas las aplicamos en el ejercicio de la toma de decisiones que los humanos debemos realizar, el impacto para la automoción es variopinto pues cubre desde las decisiones que se toman para la producción/serviciación del producto auto hasta las que aplican su uso/conducción. Observando, por ejemplo con las aportaciones de la última versión de la serie 5 de BMW, descubriremos una larga lista de automatismos que el vehículo adopta (a destacar el Adaptaive) para la conducción que, aunque no son de aplicación del Big Data en la conducción, sí lo son como el resultado extraído del análisis previo realizado en durante la fase de diseño y pruebas de los vehículo prototipos. Durante esa fase, la cantidad de datos que ya se producía era ingente, cuando la electrónica inició su andadura dentro del vehículo, siendo ahora un aspecto crítico garantizar la calidad exigida (por las normativas y homologaciones) y esperada (por las expectativas de clientes, siempre ávidos de novedades). Por ello, actualmente, el Big Data en Automoción no se sitúa tanto al “frente” sino en la trastienda de la analítica, como soporte y extensión de la necesarias pruebas de validación del producto, pero que ha de facilitar, además, que el diseño holística de la experiencia de cliente pueda haber sido analizada total y previamente. Es decir, como conectar marketing e ingeniería de una forma analítica y objetiva.