¿Cómo pueden una organización aprovechar los datos como un activo estratégico? Los datos tienen un coste elevado. Hay que invertir en la captación y limpieza de datos, alojamiento y mantenimiento, ingenieros de datos, los analistas de datos, los riesgos, la calidad del dato, la presentación de la información, etc.
Si se hace bien y de forma ordenada, una organización puede aprovechar la información para prosperar en su negocio. Desde el MIT, Erik Brynjolfsson, comenta que las organizaciones basadas en datos obtienen una productividad de un 5%- 6% superior a la competencia. También eficientaron sus activos, rendimiento sobre capital y valor de mercado.
Para llegar a ser eficaz se requiere una cultura global de datos que combine la calidad, acceso, conocimiento y procesos apropiados para la toma de decisiones.
Fuente única de datos
Una única fuente de datos centralizada, de calidad y controlada debe ser el único punto de extracción de datos de la empresa. Cuando las métrixas se extraen de diferentes sistemas, inevitablemente se generan resultados diferentes.
Esto provoca discrepancias que ralentizan la toma de decisiones y visiones opuestas en los escenarios, además de la carencia de una certeza única y fiel sobre la realidad.
Además pueden aparecer resultados basados en datos obsoletos, inexactos, o en general no apropiados, que están siendo operados por buenos profesionales pero producen resultados falsos.
Cuando existe esa fuente única se proporciona un valor superior para la organización: los responsables de la toma de decisiones. Se eficientan los tiempos de búsqueda de datos en toda la organización y se invierte en el uso de los mismo.
Adicionalmente las fuentes de datos están mejor organizadas, documentadas, relacionadas y enriquecidas. Por lo tanto, los usuarios están mejor posicionados para aprovechar los datos y encontrar la información.
Saber de dónde obtener los datos y proporcionar resultados de calidad es fundamental para la toma de decisiones final
Para el administrador de datos, también es preferible una fuente única. Facilita la documentación, evita conflictos de nomenclatura en la estructura (tablas, campos), controles de calidad de carga y datos y garantiza que los identificadores sean consistentes en todas las tablas. También es más fácil proporcionar vistas planas y fáciles de trabajar de las relaciones y entidades clave que pueden haber venido de diferentes fuentes.
En las grandes organizaciones, a menudo existen razones históricas por las que los datos se almacenan en silos.
Por ejemplo, es más probable que las grandes organizaciones adquieran sistemas de datos a través de adquisiciones entre empresas, o por compra de proveedores de datos complentarios, o por temas regulatorioss lo que resulta en sistemas independientes adicionales al sistema operativo central.
Por lo tanto, una sola fuente aun siendo una inversión grande y compleja, permite al equipo de datos central proporcionar guías oficiales, enumerar lo que está disponible, dónde está, dónde hay múltiples fuentes, el mejor lugar para obtenerlo y otros resultados que producen una gran ventaja para la organización.
Diccionario de datos
Tener un buen diccionario de datos facilitar a los usuarios saber qué significan los campos de datos y las métricas.
Este aspecto suele ser un obstáculo insalvable para muchas organizaciones. Cuando no se tiene una lista clara de métricas y sus definiciones, las personas hacen suposiciones, que pueden diferir de las del resto y producen divergencias en resultados y opiniones.
Una empresa necesita generar un glosario con definiciones claras, inequívocas y acordadas. Esto requiere una colaboración con todas las partes interesadas clave y expertos en el ámbito empresarial.
Primero, necesita aceptar esas definiciones oficiales; hay que evitar que los equipos se vuelvan deshonestos con su versión propia y separada de una métrica.
En segundo lugar, a menudo no es la definición central donde difieren los entendimientos de las personas, sino en cómo manejar los casos extremos. Por ejemplo, si bien todos pueden tener un entendimiento común de lo que significa una métrica de “pedidos realizados”, pueden diferir en cómo quieren o esperan manejar cancelaciones, pedidos divididos o fraude.
Esos escenarios deben presentarse, discutirse y resolverse. El objetivo aquí consensuar de dos modosposibles: bien conjugar múltiples métricas similares en una única métrica común, o bien identificar las situaciones en las que realmente se necesite dividir una métrica en dos o más métricas separadas para obtener diferentes perspectivas.
Tener datos centralizados y de alta calidad no es eficaz si no son comprensibles por la organización
La especificidad en los nombres de las tablas y los campos , bien elegidos, y las definiciones inequívocas con ejemplos son clave aquí. Es mejor tender hacia nombres largos pero descriptivos, como «pedidos_no_cancelados» o «% de conversión de recorridos creados a recorridos completados» que nombres más cortos que los usuarios creen comprender y que producen interpretaciones personales, no comunes ni aceptadas por todos.
Acceso a la información
Tener datos centralizados y con calidad, con una descripción clara y unificada, no es de utilidad para la orhanización si las personas no pueden acceder a ellos. La organizaciones debe asegurar la accesibilidad a los datos allá dónde puedan ser de utilidad.
Esto no significa dar acceso a todo el personal o no tener unas políticas acordes con la regulación y los controles. Significa armonizar la seguridad con las necesidades de la organización desde un punto de vista holístico.
Fomentar la cultura para que las personas sepan qué datos están disponibles y los criterios de seguridad, cumplimiento y regulación que impactan en los mismos
Es el personal de primera línea (el servicio de atención al cliente por ejemplo que trata con un cliente insatisfecho o un empleado de almacén que encuentra parte del stockdañado) quiénes aprovechan los datos de inmediato para determinar cuales son las siguentes acciones a realizar. Con una capacitación adecuada, están en la mejor posición para resolver una situación, determinar cambios en el flujo de trabajo o manejar una queja de un cliente.
Fomentar la cultura entre las personas supone formación, diccionario de datos, acceso y comprensión a KPIs, criterios unificados para la comprensión del dato, disponibilidad, casos de uso internos genuinos y tangibles, además, de que se sientan cómodos solicitando tanto la formación como a los procesos internos de acceso.
Hay que eficientar los trámites burocráticos para que, con un proceso de aprobación y supervisión adecuados, las personas tengan acceso sin demasiados retrasos u obstáculos. Por supuesto también se requiere sistemas de revocación cuando sea necesario aplicarlo.
Cultura del dato
Toda vez que la organización esta basada en datos con un amplio acceso a los mismos, las personas se enfrentarán a informes, cuadros de mando, análisis y métricas clave, que pueden tener la oportunidad de comprender y analizar por sí mismos.
Para hacerlo de forma eficaz, debe existir un conocimiento suficiente de la información, de dónde proviene, que significa y los impactos en el negocio y su función.
La cultura del dato es un esfuerzo de múltiples frentes. Además fomenta involucrar tanto a clientes con empleados en varios niveles de habilidades y funciones que requieren un enfoque personalizado para cada caso.
El área más extendida es la formación en ciencia de datos. Esto incluye una introducción a los enfoques de aprendizaje automático y minería de datos más avanzados y computacionales para extraer conocimientos de los datos, así como para crear productos de datos como motores de recomendación y otros modelos predictivos. Esto implica centrarse en la parte superior de la pirámide de habilidades para usuarios más avanzados tecnológicamente.
Uno de los aspectos más eficaces para la organización y los clientes consiste en capacitar a las personas con habilidades tecnológicas de usuario estándar para convertirse en científicos de datos.
Por ejemplo, los sectores farmacéuticos y financieros disponen de analistas de negocio que están bien versados en aspectos estadísticos, pero más débiles en el ámbito computacional. Los perfiles tecnológicos tienen una perfies con talento en programación que carece de rigor estadístico de negocio. Formar a los estadísticos en programación ya los programadores en estadística de negocio producen beneficios rápidos para la organización.
Los datos no están ahí para reforzar o socavar las decisiones existentes, sino para ayudar a informar las futuras.
Empezar por mejorar las habilidades básicas en estadística descriptiva suele ser lo más fácil y eficaz. Es decir, las formas básicas de construir resúmenes de los datos: media, percentiles, rango, desviación estándar, etc., y detectar cuando son o no apropiadas estos resultados dan sentido a los datos que las conforman .
Por ejemplo, cuando se encuentran los datos están muy sesgados, como los precios de la vivienda o los ingresos, la mediana es la métrica adecuada para resumir los datos, no la media.
Capacitar a las personas para basarse menos suposicione y focalizarse en trazar y examinar los datos y el uso adecuado de métricas resumen adecuadas supone un importante beneficio en tiempo y toma de decisiones adecuadas.
Otro ámbito de eficacia son las habilidades de visualización de datos. Habitualmente los gráficos están llenos de información no relevante, desorden innecesario y anotaciones que restan valor al objetivo clave. O bien, se utilizan tipos de gráficos inapropiados, como múltiples gráficos circulares, cada uno con una gran cantidad de segmentos, o se elige un esquema de color que hace que sea muy difícil o imposible de interpretar.
Produce un gran desgaste, a nivel personal y organizativo, emplear esfuerzo en la recopilación y análisis, para fallar y disminuir el impacto en el punto final de la presentación. Una pequeña capacitación en visualización de datos es de gran ayuda y hace que la información sea más clara, digerible y, en última instancia, más probable de que se use apropiadamente.
Un siguiente nivel de complejidad en la cultura es la estadística inferencial. Estas son las pruebas estadísticas objetivas y estándar que se utilizan para detectar, por ejemplo, si una tendencia o diferencia en el tráfico del sitio web entre semanas es probablemente real o si se trata simplemente de una variación aleatoria.
El planteamiento no es que un gerente de negocio o un agente de servicio al cliente pueda realizar estas pruebas, sino, en cambio, hacerlos conscientes de cómo las estadísticas pueden ser útiles: comprender la correlación versus la causalidad y apreciar que los pronósticos siempre vienen con incertidumbre. Para los encargados de la toma de decisiones y los gerentes, esto también les brinda las habilidades para corregir la calidad del trabajo o detectar motivaciones cuando los datos no respaldan sus conclusiones.
Toma de decisiones
Los datos sobre todo tienen impacto real en el proceso de toma de decisiones. Llegados a este punto, la organización puede tener datos de calidad, relevantes, analistas capacitados, e informes cuidadosamente elaborados y presentados. Si los informes no se usan o se toman decisiones sin consultarlos, independientemente de lo que muestren los datos, entonces toda la inversión es en vano.
Los HiPPO, «la opinión de la persona mejor pagada», son la antítesis del manejo de datos. No les importa lo que digan los datos, especialmente cuando no están de acuerdo con sus nociones preconcebidas, y van a ceñirse a su plan porque saben lo que es mejor. Además, suelen tener un alto cargo de mando.
Los HiPPO son nocivos para las empresas, porque basan sus decisiones en métricas mal entendidas en el mejor de los casos o en meras conjeturas. Sin herramientas inteligentes para derivar el significado del espectro completo de interacciones con los clientes y evaluar cómo, cuándo, dónde y por qué detrás de las acciones. El enfoque de HiPPO puede ser paralizante para las empresas.
Financial Times
HiPPO es el acrónimo de «la opinión de la persona mejor pagada» (Highest Paid Person’s Opinion) es un término acuñado por Avinash Kaushik. Se utiliza para describir la tendencia de los empleados con salarios más bajos a ceder ante los empleados con salarios más altos y años de experiencia cuando se debe tomar una decisión. El término también se suele utilizar para describir la dependencia de una organización en el instinto humano en lugar de los datos en el proceso de toma de decisiones.
Con alguna frecuencia, las organizaciones tienen una cultura en la que se valora la intuición, el comentario libre o existe una falta de responsabilidad. En una encuesta, solo el 19 por ciento de los encuestados dijo que los tomadores de decisiones son responsables de las acciones sobre dichas decisiones. Es en estos entornos es dónde prosperan los HiPPO.
Una forma de contrarrestar los HiPPO es cultivar una cultura de experimentación objetiva, como las pruebas A / B. En esos escenarios, ya sea un cambio en el diseño del sitio web o en los mensajes de marketing, se pueden visualizar las métricas de éxito y los tamaños de muestra mínimos. La clave es tener un plan de análisis claro y establecer la métrica de éxito y cualquier predicción antes de que se ejecuten las pruebas. En otras palabras, evitar que los HiPPO seleccionen los resultados después del hecho. Lo mismo ocurre con cualquier piloto o prueba de concepto.
Conclusión
La cultura basada en datos es parte de un proceso de varios pasos a consolidar tanto formalmente como en el tiempo de que prosperen en la mentalidad de las personas:
- Fuente de datos única y de calidad desde la que puedan fluir los análisis.
- Un diccionario de datos consensuado y asumido por toda la organización sobre el significado de los datos.
- Amplio acceso a los datos para permitir la aplicación de la experiencia empresarial colectiva en el análisis de datos.
- Buena formación que ayude a fomentar y reforzar la alfabetización en datos.
- Los informes resultantes deben estar en manos de responsables que confían en los datos y afectan a la toma de decisiones.
