Las personas y la tecnología son las dos claves para el máximo aprovechamiento del poder de los datos para la organizacoón. Esto supone un crecimiento en las organizaciones en contratación especialistas en datos y en las capacidades de análisis y autoservicio para extender la influencia de los datos en varios departamentos y equipos.
Democratizar los datos en toda la empresa puede ayudar desde el director ejecutivo hasta los empleados de primera línea, a hacer su trabajo más rápido, mejor y de manera más eficaz y eficiente. Se prevé que el mercado de análisis e inteligencia empresarial crezca unos 18.300 millones de dólares impulsado por la necesidad de mayor agilidad, accesibilidad y conocimientos más profundos.
Un error clásico es pensar que la tecnología puede abordar suficientemente este reto, pero eso crea sólo deriva en iniciativas de evolución y eficiencia tecnológica. No etá entre sus funciones fomentar la alfabetización y la cultura de los datos por sí misma.
Algunas soluciones de análisis avanzado podrían ayudar a una nueva generación de científicos de datos menos tecnológicos, pero estas personas provienen de grupos ya especializados en estadística y análisis, es decir, no afecta al global de la organización.
Algunos estudios prevén que el 40% de las tareas relacionadas con datos se automatizarán en 2020, pero la mayor parte de esta automatización se aplicará a las tareas estándar de carga, limpieza, calidad que actualmente entorpecen las labores de los expertos en datos. Incluso los análisis básicos descriptivos no serán eficientes al no poder tomar decisiones en función de la idoneidad de los datos subyacentes.
El sistema educativo solucionará paulatinamente el problema de alfabetización de datos. Si bien las instituciones educativas comprenden la necesidad, siguen detrás de las necesidades de alfabetización de datos de la fuerza laboral moderna. En su charla TED de 2009, el matemático Arthur Benjamin defendió que es hora de que el plan de estudios de matemáticas cambie de analógico a digital, y de que la estadística y la probabilidad reemplacen al cálculo en la cima de la pirámide matemática.
Este cambio necesario no se vislumbra en el corto ni medio plazo.
Es más urgente afrontar la escasez de talento en la ciencia del dato. Es más preocupante que la gran mayoría de los trabajadores estén cada vez menos preparados para afrontar este nuevo escenario. En lugar de esperar a que la tecnología o el sistema educativo resuelvan el problema, la organización tiene que analizar, establecer una estrategia, tareas y activar qué se puede hacer para la alfabetización de datos en todos los ámbitos internamente.
Por ejemplo, hace unos años, los departamentos de marketing no contaba con casi ningún dato para medir resultados tangibles de sus acciones. Ahora es uno de los departamentos más orientados a los datos y estrategias sobre los mismos. A esto hay que añadir que no tienen objetivos de ventas como los departamentos comerciales.
Claves para la alfabetización en datos
La alfabetización en datos abarca un amplio espectro de habilidades, por lo que es importante establecer una base funcional desde la cual desarrollar en cada caso conocimientos específicos para cada perfil, pero con unos cimientos comunes.
Al igual que las personas no necesitan un título avanzado en inglés para saber leer y escribir, las personas no necesitan conocimientos estadísticos avanzados ni habilidades de programación en Python o R para ser alfabetizados en datos.
Los niveles de habilidad de lectura y escritura a menudo se definen por lo que las personas pueden o no pueden lograr en su vida cotidiana; debemos hacer lo mismo con la alfabetización de datos.
Cuando se trata de conocimientos básicos en datos, por ejemplo, un empleado debería poder analizar e interpretar adecuadamente una tabla o gráfico de datos estándar. Deben sentirse cómodos con cualquiera de los gráficos comunes, como los gráficos de líneas, barras, áreas, circulares y diagramas de dispersión que se encuentran en la mayoría de las aplicaciones comerciales, paneles de control e informes de noticias actualmente.
Idealmente, sería genial si todos supieran cómo producir sus propios gráficos y realizar sus propios análisis, pero en mi opinión, ese no es el estándar mínimo que estamos buscando. Como mínimo, necesitamos que las personas puedan consumir e interpretar los datos de manera eficaz. Para hacerlo, necesitarán habilidades en las siguientes cuatro áreas respecto a los datos o gráficos:
- Conocimiento
- Asimilación
- Interpretación
- Revisión del proceso
1.- Conocimiento de los datos
Cada sector empresarial, organización y departamento tiene su propio conjunto de términos y datos únicos. Cuanto más se comprendan por parte de los empleados los desde una perspectiva empresarial, mejor posicionados estarán para aplicarlos.
Por ejemplo, en el caso de ventas online, se debe estar familiarizado con métricas básicas como visitas a la página, sesiones, visitantes únicos y tasa de rebote. Además de conocer los datos, se necesita habilidades para trabajar con números y aritmética.
Sorprende que gran parte de lo que los científicos de datos ponen el foco sólo en la aritmética, cuando la gran mayoría de los análisis (80%) se centran en sumas y medias. Adicionalmente, una comprensión básica de los conceptos y términos estadísticos es útil, como por ejemplo saber qué es la correlación y la diferencia entre datos cuantitativos y cualitativos.
2.- Asimilación de los datos
Cuando se presentan nuevos datos que deban ser interpretados, hay que iniciar el proceso de comprensión de datos desconocidos antes de consumirlos. No está analizando ni emitiendo ningún juicio aún, solo se está asimilando la información.
Para ello hay que inspeccionar lo siguientes elementos de las tablas o gráficos y solicitar aclaraciones si algún elemento es ambiguo o percibe una falta de comprensión con certeza:
- Título y etiquetas: ¿Está la tabla o el gráfico titulado y etiquetado de forma descriptiva y clara?
- Marco de tiempo: ¿Cuáles son los rangos de fechas para los datos que se presentan?
Fuente de datos: ¿De dónde provienen los datos? - Unidad (es) de medida: ¿Se entiende claramente qué representan las métricas en las tablas o gráficos?
- Escalas: ¿Las escalas de los ejes del gráfico son claras y efectivas?
- Métrica (s) calculada (s): para razones, tasas y otras fórmulas, ¿hay una comprensión clara de cómo se calculan?
- Dimensiones: ¿Las dimensiones o categorías utilizadas para organizar o segmentar los datos son claras y significativas?
- Filtros: ¿Está claro si se han aplicado filtros específicos al conjunto de datos (por ejemplo, todos los clientes frente a los nuevos clientes)?
- Clasificación: si se han ordenado o colocado en tramos de valores, ¿está claro qué criterios se utilizaron?
- Metas: si se han agregado metas u objetivos a los gráficos, ¿está claro lo que representan?
3.- Interpretación de los datos
Una vez que se haya familiarizado con los datos, podrá analizarlos e interpretarlos. Dependiendo del tipo de datos y su formato de presentación, se pueden examinar de muchas formas diferentes. En general, debe estar acostumbrado a realizar los siguientes tipos de observaciones en gráficos:
- Tendencia: ¿En qué dirección se encuentra el rumbo métrico de la tendencia (arriba, abajo, plano)?
- Patrones: ¿Qué patrones o ciclos repetibles se perciben en los datos (por ejemplo, estacionalidad)?
- Lagunas: ¿Existen lagunas u omisiones obvias en el conjunto de datos?
- Agrupaciones: ¿Hay algunos valores relacionadosen determinadas áreas?
- Asimetría: ¿Los valores están notablemente concentrados o sesgados más hacia un lado que hacia otro?
- Valores atípicos: ¿Hay un punto de datos que esté separado o muy alejado del resto de los puntos de datos?
- Enfoque: ¿Se ha enfatizado algo en el gráfico o tabla para llamar la atención sobre él? ¿Es obvio por qué se destacó parte de los datos?
- Ruido: ¿Se incluyen datos extraños que desvirtúan el mensaje principal del gráfico?
- Lógico: ¿Los datos ayudan a responder una pregunta comercial específica? ¿Los datos apoyan una conclusión o un argumento propuesto?
4.- Revisión del proceso
Además de analizar e interpretar los datos, también hay que desarrollar un pensamiento crítico y constructivo sobre ellos. Los datos se suelen aceptar tal y como son presentados. Sin embargo, es importante tener una visión de conjunto para valorar factores menos obvios que pueden influir en los resultados y su posterior interpretación.
- Método de recopilación: ¿Podría el método o la forma en que se recopilaron los datos influir en los resultados?
- Credibilidad: ¿Qué tan creíble o confiable es la fuente de los datos?
- Sesgo: ¿Existe un posible sesgo del productor de datos o del consumidor (incluyéndose unos mismo)?
- Veraz: ¿Se manipulan los datos de una manera, intencional o inadvertidamente, que tergiversa su verdadero significado?
- Supuestos: ¿Existen supuestos implícitos que podrían estar afectando la forma en que se interpretan los números?
- Contexto: ¿Hay información adicional de contexto o de antecedentes que falta y es necesaria para comprender correctamente los datos?
- Comparaciones: si se incluyen datos suplementarios con fines de comparación (por ejemplo, datos de un período a otro), ¿ofrece una comparación justa y relevante? Alternativamente, ¿falta una comparación obvia?
- Causalidad: ¿Confunde potencialmente la correlación con la causalidad, que representa un patrón directo de causa y efecto?
- Importancia: si los datos son estadísticamente significativos, ¿también son prácticamente significativos?
- Valores atípicos: ¿Es un valor atípico importante o está sesgando innecesariamente los resultados generales?
- Calidad: ¿Puede distinguir entre los datos que no se pueden utilizar o los que aún son útiles para la dirección o la gerencia?
Conclusiones
Así como la alfabetización evoluciona a las civilizaciones y las aleja de la ignorancia y la pobreza, la alfabetización de los datos enriquece de igual manera a la organización.
Desafortunadamente, muchos usuarios siguen pensando que los datos son principalmente el trabajo de otra persona u otro departamento más analítico. En los entornos actuales con una gran riqueza de datos, comprender, usar y comunicar los datos de manera eficaz es responsabilidad de todos, no sólo de los expertos en datos.
Reducir la brecha de la alfabetización de datos en la entidad acelera la capacidad de los empleados para aprovechar las crecientes cantidades de datos disponibles.
Además hay que tener en cuenta que las repercusiones del analfabetismo respecto a los datos afectan a toda la sociedad y las personas, no sólo a las organizaciones. En medio de los gritos alarmistas, las noticias falsas y la proposición de hechos alternativos no fundamentados, es crítico fomentar una mayor alfabetización de los datos para que la gente pueda distinguir mejor entre realidad y ficción.
La mejor protección contra los datos engañosos es inmunizarse contra su influencia negativa a través de una mayor alfabetización en los datos.
