Casi la mitad de los directivos de finanzas y TI ha tomado una decisión importante apoyada en datos malos en el último año, y la mayoría de las organizaciones no pasaría hoy una auditoría de gobierno de IA. Qué cambia de verdad la plataforma de datos de SAP, y qué no puede resolver ninguna plataforma por ti.
En resumen
- El 47% de los directivos de finanzas y TI admite haber tomado una decisión de negocio importante con datos inexactos, incompletos o desactualizados en el último año, y el 72% dice que esos datos malos le han costado 500.000 dólares o más.
- Es la misma raíz a la que llegaron los dos primeros artículos de esta serie: el impacto de la IA se frena por datos sucios, y clean core es, en parte, un programa de gobierno de datos disfrazado de decisión de arquitectura.
- El 78% de los directivos no tiene confianza real en que pasaría una auditoría independiente de gobierno de IA en 90 días, y las organizaciones con gobierno maduro tienen, aproximadamente, cuatro veces más probabilidades de reportar crecimiento de ingresos impulsado por IA.
- SAP Business Data Cloud, con su integración nativa con Databricks, es una respuesta real a la mitad del problema que tiene que ver con fragmentación de datos. No es una respuesta a la mitad que tiene que ver con gobierno y propiedad.
- Un chequeo de preparación de cuatro preguntas y un modelo de madurez, más abajo, te ayudan a separar la decisión de plataforma de la decisión de gobierno, porque financiar solo una de las dos es justo lo que hace que esto se estanque.
El hilo conductor de toda esta serie
Los dos artículos anteriores de esta serie llegaron a la misma raíz por caminos distintos. El de IA encontró que el 91% de las organizaciones de finanzas que adoptan IA reporta solo impacto bajo o moderado, y rastreó buena parte de esa brecha hasta la calidad del dato y el gobierno de datos maestros. El de clean core encontró que un dato sucio es, en la práctica, el equivalente de un core sucio: los proveedores duplicados y las clasificaciones inconsistentes degradan los modelos de IA igual que los programas Z sin documentar degradan la fiabilidad de las actualizaciones.
Este artículo aborda esa raíz de frente, no como nota al pie de la IA o de la arquitectura. La ocasión para hacerlo ahora es SAP Business Data Cloud, la respuesta de SAP a la fragmentación de datos en la empresa, y la plataforma en la que, al final, tiene que confiar cada agente de IA y cada extensión clean core si quiere funcionar como promete.
Lo grave que es realmente el problema de confianza
Es tentador tratar «nuestros datos no son geniales» como una queja de siempre, la misma que ha hecho cada generación de líderes de finanzas y con la que cada generación se las ha arreglado. Las cifras de 2026 sugieren que ese planteamiento se queda corto.
Una encuesta de Harris Poll realizada para OneStream en marzo de 2026, a más de 350 altos directivos de finanzas y TI (CFOs, directores de contabilidad, CTOs, CIOs, directores de datos y directores de IA en EE. UU., Reino Unido y Francia), encontró que, aunque el 96% de los directivos considera que un dato exacto y confiable es muy o extremadamente importante para el éxito de su organización, el 47% admite haber tomado una decisión de negocio relevante basada en datos financieros inexactos, incompletos o desactualizados en los últimos 12 meses. Casi tres de cada cuatro (72%) dicen que un dato malo le ha costado a su organización 500.000 dólares o más, y el 37% reporta pérdidas superiores al millón.
La brecha entre la confianza que dicen tener y la realidad es el hallazgo más interesante. El 79% de los directivos de esa misma encuesta cree que su gobierno de datos puede sostener una adopción de IA a gran escala, y el 85% dice tener un programa de gobierno formal en marcha. Pero el 61% duda de sus propios datos al menos una vez al mes, y el 11% lo hace a diario. Solo el 19% obtiene la mayoría de sus datos de entrada para IA de un único sistema centralizado. Dicho de otro modo: la mayoría de las organizaciones cree haber resuelto esto, mientras opera de una forma que sugiere lo contrario.
Hay también un hallazgo estructural que merece la pena señalar para cualquiera que haya vivido una discusión de territorio entre CIO y CFO: el 85% de los CIOs de la encuesta cree que lidera el gobierno de datos, y el 78% de los CFOs afirma lo mismo sobre sí mismos. No pueden ser ciertas las dos cosas a la vez, y quienes hicieron el estudio encontraron que las organizaciones con una alineación real entre Finanzas y TI tienen 5,5 veces más probabilidades de reportar confianza total en sus datos que las que no la tienen. El desacuerdo sobre quién es dueño del gobierno de datos no es un tema secundario. Puede que sea el tema principal.
La brecha de evidencia en gobierno de IA
Un estudio distinto, y más grande, refuerza el mismo patrón desde el lado del gobierno, no desde el de la calidad del dato. La encuesta 2026 AI Impact Survey de Grant Thornton, con 950 directivos de C-suite y alta dirección encuestados entre febrero y marzo de 2026, encontró que el 78% de los directivos no tiene una confianza sólida en que pasaría una auditoría independiente de gobierno de IA en 90 días. Entre las organizaciones que todavía están en fase piloto temprana, esa confianza prácticamente no existe: ninguno de los 28 encuestados en la etapa de adopción más inicial dijo tener mucha confianza. Entre las organizaciones con IA totalmente integrada, el 74% sí la tiene.
La consecuencia sobre el rendimiento es contundente y se mide de forma directa: las organizaciones con IA integrada y bien gobernada tienen casi cuatro veces más probabilidades de reportar crecimiento de ingresos impulsado por IA que las que siguen en fase piloto, un 58% frente a un 15%. Grant Thornton lo plantea como una brecha que se acumula, no como algo estático: cada iniciativa de IA sin gobierno hace que la siguiente sea más difícil de gobernar, de medir y de defender, porque no hay una base de datos confiables ni de responsabilidades claras sobre la que construir.
Una cifra de esa misma encuesta merece atención especial en relación con el artículo anterior de esta serie: el 55% de los CIOs y CTOs reporta que menos de la mitad de sus aplicaciones core están listas para IA. Es, dicho con otras palabras, la misma brecha de adopción de clean core, medida ahora desde el lado de la preparación del dato en lugar de desde el lado de la arquitectura del código. El mismo problema, visto en otra encuesta, preguntado de otra forma.
Las cifras sobre IA agéntica del mismo informe añaden un matiz más afilado a la imagen de gobierno del artículo de la semana pasada. Casi tres de cada cuatro organizaciones ya dan a la IA agéntica acceso a sus datos y procesos, en piloto, en fase de escalado o en producción, pero solo el 20% tiene un plan de respuesta a incidentes probado para cuando un agente falla. Por ahora, la mayoría mantiene el radio de impacto contenido a propósito: solo el 5% permite que los agentes ejecuten decisiones de alto riesgo sin revisión humana, y el 60% limita a los agentes a automatización de tareas de riesgo moderado. Pero incluso con esos límites conservadores, el gobierno no ha ido al mismo ritmo, y la brecha sobre quién se preocupa por ello es reveladora: el 54% de los COOs dice estar preocupado por la incertidumbre regulatoria y de cumplimiento ligada a la IA agéntica, frente a solo el 20% de los CIOs y CTOs. Cuando quienes construyen los sistemas están menos preocupados que quienes tienen que responder por lo que esos sistemas hacen, esa brecha es en sí misma una señal de riesgo.
Qué es realmente SAP Business Data Cloud
SAP anunció SAP Business Data Cloud (SAP BDC) en febrero de 2025 como una plataforma SaaS totalmente gestionada que unifica SAP Datasphere, SAP Analytics Cloud y SAP Business Warehouse en lo que SAP llama un único «modelo de dominio», junto con una alianza importante que incorpora Databricks como servicio de datos de primer nivel dentro de la plataforma. El planteamiento, en palabras de la propia SAP, es que la mayoría de las organizaciones no tienen tanto un problema de volumen de datos como un problema de confianza y fragmentación: una encuesta global encargada por SAP a 1.200 directivos de negocio y tecnología, citada en el propio anuncio de lanzamiento, encontró que el 55% señalaba la mala calidad del dato como su mayor reto, y que armonizar datos entre sistemas era una de las razones principales por las que la innovación se frena.
Dos capacidades importan especialmente para una audiencia de finanzas y TI. Primero, SAP Datasphere construye lo que SAP llama un grafo de conocimiento, que conserva el contexto de negocio y la semántica de los datos de SAP (qué significa realmente un centro de coste, cómo se relaciona con una entidad legal, qué reglas de conversión de divisa aplican) para que Joule, los agentes de IA y los modelos de lenguaje puedan razonar sobre esos datos con ese contexto intacto, en vez de tratarlos como una tabla anónima de números. Segundo, SAP Business Data Cloud Connect a Databricks, que alcanzó disponibilidad general en octubre de 2025, permite compartir datos de forma bidireccional, en vivo y sin copia entre SAP Business Data Cloud y un lakehouse de Databricks ya existente, construido sobre el protocolo abierto Delta Sharing, con SAP Datasphere gobernando el acceso y el linaje dentro del perímetro de SAP y Databricks Unity Catalog gestionando permisos y registro de auditoría en el lado de analítica e IA.
En la práctica, esto resuelve un punto de dolor concreto y de siempre: las organizaciones han combinado históricamente datos de SAP con el resto de sus datos empresariales mediante métodos frágiles (exportaciones de API a medida, copias a almacenamiento de objetos, subidas manuales de CSV), cada uno de los cuales trae consigo riesgo de gobierno, silos de datos cuando un pipeline se rompe, y la reconstrucción lenta de una semántica de negocio que las aplicaciones de SAP ya traen de fábrica. La promesa de SAP Business Data Cloud es que este trabajo de integración pase de ser un proyecto de ingeniería recurrente a ser un ejercicio de configuración.
SAP también ofrece sobre esta base un conjunto de «insight apps» preconstruidas: analítica empaquetada de capital circulante, flujo de caja y rentabilidad, con métricas y modelos de IA predefinidos ya integrados, en vez de exigir que cada cliente construya desde cero los mismos cuadros de mando de finanzas. El responsable de tecnología de negocio de Henkel describía el atractivo, en el propio material de lanzamiento de SAP, como la posibilidad de «modelar escenarios y aprovechar insights de IA» sobre datos que ya son confiables y están listos para el negocio. Es un resumen razonable de lo que busca la propuesta, aunque conviene leerlo como el testimonio de un cliente elegido por el proveedor y no como evidencia independiente, coherente en su dirección con lo que la arquitectura está diseñada para lograr.
Qué resuelve y qué no resuelve
Merece la pena ser precisos con este límite, porque los anuncios de plataforma tienden a difuminarlo. SAP Business Data Cloud es infraestructura real que elimina un obstáculo técnico genuino: el coste y la fragilidad de mover datos de SAP hacia las herramientas donde de verdad ocurren la analítica y la IA, conservando el contexto de negocio que hace útil ese dato una vez llega. No es poca cosa, y apoya directamente a los dos artículos anteriores de esta serie: unas tuberías de datos más limpias hacen que los agentes de IA sean más fiables y quitan una razón más para que los equipos construyan workarounds a medida que no son clean core.
Lo que no resuelve es quién es dueño del gobierno de datos, qué significa «confiable» para un producto de datos concreto, ni quién responde cuando una cifra resulta estar mal. Son exactamente las preguntas sobre las que la encuesta de OneStream encontró desacuerdo interno (CIOs y CFOs reclamando ambos la propiedad), y exactamente las preguntas que Grant Thornton encontró que los consejos aprueban sin resolver (el 48% de los consejos que aprobaron una inversión importante en IA no ha fijado expectativas de gobierno de IA, y el 46% no ha integrado el riesgo de IA en su supervisión habitual). Ninguna migración de plataforma responde a esas preguntas. Las responde una organización que decide responderlas, con un responsable con nombre y un proceso documentado, al margen de la plataforma de datos de qué proveedor tenga debajo.
Es la misma distinción que hacía el artículo de clean core sobre BTP: la extensibilidad side-by-side sin un CCOE solo traslada la deuda técnica a otra dirección. El equivalente en el mundo del dato es igual de real. Una plataforma de datos unificada sin propiedad clara ni disciplina de gobierno no unifica la confianza, simplemente le da a un dato desconectado y sin gobernar una casa única y con mejor aspecto.
Qué significa esto para los CIOs
Para un CIO que evalúa o ya opera SAP Business Data Cloud, de los datos anteriores salen cinco implicaciones:
- Trata la migración de plataforma y el programa de gobierno como dos partidas de presupuesto distintas: una es infraestructura, la otra es disciplina organizativa. Financiar la primera sin la segunda produce exactamente el patrón que documentó Grant Thornton: actividad sin responsabilidad.
- Resuelve por escrito, de forma explícita, la disputa de propiedad entre CIO y CFO: los datos de OneStream muestran que ambas funciones creen, cada una por su lado, liderar el gobierno de datos. Esa ambigüedad se tolera cuando lo que está en juego es un dashboard en el que nadie confía. Deja de tolerarse en cuanto los agentes de IA empiezan a contabilizar de forma autónoma, que es exactamente hacia donde van tanto Finanzas en S/4HANA como la extensibilidad en BTP.
- Usa el grafo de conocimiento como palanca para la conversación de clean core, no como sustituto de ella: la semántica de negocio de SAP Datasphere solo se mantiene fiable si la lógica de proceso que describe sigue cerca del estándar. Un grafo de conocimiento construido sobre un core muy personalizado hereda las inconsistencias de ese core, no las corrige.
- Construye, o exige, un plan de respuesta a incidentes de IA probado antes de seguir escalando IA agéntica: solo una de cada cinco organizaciones de la encuesta de Grant Thornton lo tiene. Esto pertenece a la misma conversación de gobierno que el AI Agent Hub y las estructuras de CCOE de los dos primeros artículos, no a una iniciativa aparte y de menor prioridad.
- Pilota primero con una insight app ya construida antes de comprometerte a un desarrollo a medida: las insight apps empaquetadas de SAP para capital circulante y flujo de caja son una forma de bajo riesgo de validar si la base de datos subyacente es realmente confiable antes de que tu equipo invierta meses construyendo analítica a medida encima. Si la app empaquetada muestra cifras claramente incorrectas, es una señal de calidad de dato que conviene atender antes, no después, de una inversión mayor.
Qué significa esto para los CFOs
Para un CFO, los datos de OneStream y Grant Thornton juntos arman un argumento concreto y listo para el consejo:
- El coste de un dato malo ya es medible: úsalo: el 72% de las organizaciones equivalentes reporta pérdidas de 500.000 dólares o más por datos malos, más de un tercio por encima del millón. Esto convierte una inversión en gobierno de datos de una petición abstracta de TI en un riesgo documentado con una cifra en euros o dólares, una conversación mucho más fácil de tener con un consejo.
- Exige evidencia, no confianza, antes del próximo ciclo de presupuesto de IA: el 78% de los directivos no puede demostrar hoy que pasaría una auditoría de gobierno. «Confiamos en nuestros datos» no es evidencia. Una fuente única de verdad documentada, reglas de calidad de dato aplicadas de forma consistente y un linaje listo para auditoría sí lo son, y hoy solo alrededor de la mitad de las organizaciones ha establecido alguna de las tres cosas de forma consistente, según los datos de OneStream.
- Resuelve la pregunta de propiedad antes de que se convierta en un fallo de control: casi un tercio de los CFOs de la encuesta de OneStream cita la «falta de propiedad del dato» como una barrera clave. Es una decisión de diseño de gobierno, no una compra de tecnología, y sale más barato resolverla ahora que después de que un agente de IA cometa un error material rastreable hasta un dato sin gobernar.
- Financia la alineación entre Finanzas y TI con la misma seriedad que cualquier otro control: la diferencia de 5,5 veces en confianza entre organizaciones alineadas y no alineadas en los datos de OneStream es uno de los efectos más grandes de toda esta investigación. Pocos controles ofrecen ese retorno a cambio de lo que, en la práctica, es un ejercicio de facilitación y diseño de gobierno, no una gran inversión de capital.
- Pregunta qué decisiones concretas se tomaron con datos malos el año pasado, no solo si ocurrió: el 47% de los directivos equivalentes admite que ocurrió; muchos menos pueden nombrar qué previsiones, presupuestos o decisiones de inversión concretas se vieron afectadas. Esa concreción es lo que convierte una iniciativa de gobierno vaga en una lista de tareas priorizada, igual que un inventario de código personalizado convirtió clean core de una aspiración en un programa, en el artículo anterior.
Cómo se ve «bien hecho»: un modelo de madurez sencillo
Igual que con la adopción de IA y con clean core, la madurez en confianza del dato sigue un patrón reconocible, y los datos de OneStream y Grant Thornton encajan con claridad en cuatro etapas.
- Etapa 1: fragmentada y sin conciencia del problema: los datos de SAP se combinan con el resto de datos de la empresa mediante exportaciones manuales, subidas de CSV o integraciones punto a punto que se rompen en silencio. Nadie ha medido cuántas decisiones dependen de datos que nadie ha validado de verdad. Es el estado por defecto de las organizaciones que todavía no han tenido un incidente caro que fuerce la pregunta.
- Etapa 2: consciente pero sin dueño: la dirección sabe que la calidad del dato es un problema, probablemente porque ya pasó algo caro, pero ninguna función tiene asignada, de forma clara y responsable, la propiedad del gobierno. Aquí es donde vive el desacuerdo entre CIO y CFO de la encuesta de OneStream, y es la etapa más común entre los directivos encuestados.
- Etapa 3: plataforma en marcha, gobierno en formación: una plataforma de datos unificada, sea SAP Business Data Cloud o un equivalente, ya ha resuelto la fragmentación técnica, y se está construyendo encima una estructura de gobierno con un responsable con nombre: reglas de calidad de dato consistentes, una fuente única de verdad documentada, y los primeros pasos de un linaje listo para auditoría.
- Etapa 4: gobernada y defendible: la organización puede explicar, con poco margen de aviso, de dónde salió una cifra concreta, quién es su dueño y qué controles de calidad superó. Es la pequeña minoría (Grant Thornton sitúa la confianza plena en esta etapa en torno al 74%, frente a prácticamente cero en la etapa más inicial) que captura la diferencia de 4 veces en crecimiento de ingresos y de 5,5 veces en confianza descritas antes.
La mayoría de quienes lean esto están, a juzgar por cómo se reparten las muestras de las encuestas, en la Etapa 2: conscientes, motivados, y todavía sin un responsable con nombre. El salto a la Etapa 3 no exige elegir primero una plataforma. Exige elegir primero un responsable, y después la plataforma de la que ese responsable va a rendir cuentas.
Tres objeciones que merece la pena tomarse en serio
- «¿Esto no es solo SAP posicionándose frente a cualquier otro proveedor de plataformas de datos?»: En parte sí, y conviene decirlo con claridad. SAP Business Data Cloud compite con la opción de construir tú mismo la misma capacidad sobre un lakehouse genérico, y el discurso de lanzamiento de SAP, como es lógico, subraya la fricción de esa alternativa. Lo que sí es verificable de forma independiente, porque viene de encuestas que SAP no encargó, es que el problema de fondo de confianza y gobierno es real y grave elijas la plataforma que elijas. Los datos de OneStream y Grant Thornton serían los mismos aunque SAP Business Data Cloud no existiera.
- «Ya tenemos un data warehouse. ¿No es esto redundante?»: Un data warehouse resuelve almacenamiento y rendimiento de consulta. No resuelve la semántica de negocio (qué significa realmente un campo en el contexto de proceso de SAP) ni el compartir en vivo y con gobierno hacia las herramientas de IA y analítica que tu equipo de datos ya usa. Son exactamente las dos carencias a las que apuntan SAP Business Data Cloud y su integración con Databricks. Si tu warehouse actual ya resuelve las dos, el argumento de redundancia se sostiene; para la mayoría de las empresas SAP, según los datos de adopción citados arriba, todavía no.
- «Nuestro equipo de datos dice que el gobierno está controlado.»: Pídeles que repasen la evidencia concreta: una fuente única de verdad documentada, reglas de calidad de dato que se aplican de verdad (no solo que están escritas), y un linaje que resistiría una auditoría externa en 90 días. Según Grant Thornton, el 78% de los directivos en general no tiene confianza sólida en que pasaría exactamente ese tipo de auditoría, así que «controlado» es una afirmación que conviene contrastar con la evidencia, no dar por buena sin más. «Controlado» y «defendible bajo demanda» son afirmaciones distintas, y solo la segunda importa cuando alguien cuestiona lo que produjo un agente de IA.
Una checklist de preparación
Antes de financiar una iniciativa de plataforma de datos, o de dar por hecho que tu programa de gobierno actual ya lo cubre, repasa estas preguntas:
- Si te lo pidieran hoy, ¿podrías presentar el linaje documentado de las cifras detrás de tu última decisión relevante de consejo apoyada en IA, en 90 días, como exigiría una auditoría externa?
- ¿Hay una única función con nombre, no dos compitiendo entre sí, responsable del gobierno de datos, con autoridad real para exigir el cumplimiento de las reglas de calidad de dato y no solo para recomendarlas?
- ¿Qué porcentaje de los datos de entrada que tu organización usa realmente para IA viene de una única fuente gobernada y centralizada, frente a exportaciones puntuales y reconciliación manual?
- ¿Tu decisión de plataforma de datos (SAP Business Data Cloud, Databricks, u otra) tiene un flujo de trabajo de gobierno financiado en paralelo, con su propio responsable y entregables, o el gobierno se da por hecho como subproducto de la migración de plataforma?
Por qué esto conecta directamente con clean core y con el plazo de 2027
Confianza en el dato, clean core y el plazo de migración de 2027 no son tres iniciativas separadas: son tres vistas de la misma decisión de arquitectura. Un core limpio hace que el dato que circula por S/4HANA sea, de entrada, más consistente y confiable. Una plataforma de datos gobernada, sea SAP Business Data Cloud o una alternativa, lleva ese dato confiable hasta las herramientas de IA y analítica que lo necesitan, con el contexto de negocio intacto. Y los agentes de IA del primer artículo solo entregan el impacto que prometía su caso de negocio cuando esas dos bases están construidas debajo de ellos.
Para las organizaciones que todavía están planificando su migración a S/4HANA antes del plazo de 2027, esto es un argumento para tratar la decisión de plataforma de datos y de gobierno como parte de la misma conversación de diseño técnico que clean core, no como un proyecto posterior que se agenda cuando haya presupuesto. Para las que ya están en vivo en S/4HANA sin ninguna de las dos cosas resuelta, la secuencia es la misma que para clean core: empezar con un inventario honesto de dónde falla hoy la confianza en el dato, asignar un responsable, y construir la disciplina de gobierno en paralelo, no después, de cualquier consolidación de plataforma.
La conclusión
Los datos de este artículo, procedentes de dos encuestas independientes y con metodología transparente que suman más de 1.300 directivos, llegan a la misma conclusión que los dos primeros artículos de esta serie, esta vez desde un tercer ángulo: la tecnología no es la limitación. SAP Business Data Cloud, y las plataformas de su tipo, resuelven de verdad la mitad del problema de confianza en el dato que tiene que ver con fragmentación. No resuelven, y nunca iban a resolver, la mitad que tiene que ver con gobierno, porque esa mitad es una decisión sobre propiedad y responsabilidad que solo puede tomar la propia organización.
Las organizaciones que aparezcan el año que viene en la versión de estas encuestas con confianza real, no solo declarada, van a ser las que traten confianza en el dato, clean core y gobierno de IA como un único programa coordinado, con un responsable con nombre en cada capa. El resto seguirá comprando plataformas para resolver un problema que, en el fondo, nunca fue principalmente de plataformas.
¿No tienes claro si el problema real de tu organización es la plataforma o el gobierno que hay detrás? Ofrecemos una conversación gratuita de 30 minutos sobre preparación en IA, Clean Core y datos, sin discurso comercial, solo una lectura honesta de dónde estás. Más información en theintelligenthub.com.
Fuentes
- OneStream (Harris Poll), «Companies Are Scaling AI on Data They Don’t Trust, New Study Finds», 5 may. 2026 — https://www.prnewswire.com/news-releases/companies-are-scaling-ai-on-data-they-dont-trust-new-study-finds-302761641.html
- Grant Thornton, «2026 AI Impact Survey Report: The AI Proof Gap» — https://www.grantthornton.com/services/advisory-services/artificial-intelligence/2026-ai-impact-survey
- SAP News Center, «SAP and Databricks Open a Bold New Era of Data and AI», 13 feb. 2025 — https://news.sap.com/2025/02/sap-databricks-open-bold-new-era-data-ai/
- Databricks, «Announcing the General Availability of SAP Business Data Cloud Connect to Databricks», 6 oct. 2025 — https://www.databricks.com/blog/announcing-general-availability-sap-business-data-cloud-connect-databricks
Nota: la cifra del 55% sobre mala calidad del dato citada en el anuncio de lanzamiento de SAP Business Data Cloud procede de una encuesta encargada por la propia SAP, no de una fuente independiente, y se marca así en el texto. Las encuestas de OneStream y Grant Thornton se encargaron de forma independiente (por OneStream y por Grant Thornton respectivamente, vía Harris Poll y el propio equipo de investigación de Grant Thornton) y no son investigación patrocinada por SAP.
Relacionado
¿Estás evaluando tu propio programa de transformación SAP? Explorar Asesoría →
¿Tienes una brecha de habilidades concreta en tu programa S/4HANA? Explorar Sourcing de Talento →
¿Quieres ver el panorama completo? Explorar la serie completa →