Datos con Propósito para Decisiones Efectivas

Muchas veces nos vemos abrumados por la cantidad de datos disponibles. La infografía “Data Never Sleeps” de Domo ilustra muy bien el inmenso número de data generada a cada minuto. Cuántos mensajes, impresiones, vistas, descargas, reproducciones, interacciones, etc. se generan en distintas plataformas (véanlo, es simpático a la vista). Para cada negocio, no está muy lejos de ser una realidad (aunque no siempre sea en el mismo volumen).

Para enfrentar esto, la experiencia práctica en proyectos con clientes ha reforzado una idea que leí tiempo atrás. “Data o datos por un propósito, no lo opuesto”. Este leitmotiv que encontré en “Leading With Decision-Driven Data Analytics”, un reconocido paper del MIT de Bart de Langhe and Stefano Puntoni, muestra una máxima que se repite en instancias de conversación más distendida con distintos líderes de negocio y áreas de datos, así como cuando  dicto clases de gestión del desempeño del negocio (BPM) con la UAI.

¿Qué es infoxicación? o Intoxicación por el volumen de datos

 A veces nos enfrentamos al fenómeno de "Infoxicación", que es la dificultad para tomar decisiones debido a la cantidad y diversidad de datos que tenemos disponibles (todo esto exacerbado por las tecnologías e internet). Por ejemplo, en  Estados Unidos, se estima que la sobrecarga de información consume el 28% de la jornada laboral de los empleados, un número que significa un desafío para las empresas, que han tenido que implementar programas de mejora.

La pregunta de fondo que cabe hacerse es: ¿Será que tenemos que encontrarle un propósito a los datos que tenemos “disponibles”? O más bien, ¿Deberíamos encontrar los datos para un objetivo de negocio concreto? Es decir, primero se debería definir un propósito de negocio y después ver cómo los datos nos ayudan a alcanzarlo.

 En un contexto más amplio, ¿No deberíamos primero definir nuestro propósito de vida y, después, “operar” en consecuencia con ello? Simon Sinek lo menciona bien en su libro “Comienza por el por qué”, no tenerlo claro (en contexto trabajo) nos lleva muchas veces a operar sin cuestionar siquiera, si lo que estamos haciendo se alinea con nuestro propósito como compañía. Todos (personas y organizaciones) deberíamos tener un propósito que nos permita "operar" en consecuencia, para así asegurar que los resultados que obtengamos, nos encaminan y acercan a ese propósito, sino, ¿Para qué lo hacemos?, 

 Con los datos pasa exactamente lo mismo, primero partimos entendiendo el problema, que necesitamos resolver, y luego los datos responden a la necesidad, sólo así estaremos realmente generando valor desde los datos. Muchas veces las soluciones están más a la mano de lo que pensamos, y nos damos vuelta teniendo conversaciones sofisticadas, hablando de ML, IA, DevOps, y “whatever trending topic” que esté disponible, y nos fijamos más en la solución que en el problema. Esta reflexión toma relevancia en el contexto de la analítica de datos enfocada en la toma de decisiones.

Analítica de datos para la toma de decisiones

La analítica de datos orientada a decisiones puede transformar la manera en que las organizaciones abordan sus desafíos. Para aplicarla abordaremos los siguientes aspectos:

1. La diferencia entre "data-driven" y "decision-driven" en la toma de decisiones.
2. Cómo evitar la trampa de reforzar creencias preexistentes con datos.
3. Pasos prácticos para implementar un enfoque de analítica  de datos orientado a decisiones.
4. Los beneficios del enfoque analítico en la gestión empresarial.

1.- Data-Driven vs. Decision-Driven

El enfoque tradicional, "data-driven", se centra en aprovechar al máximo los datos disponibles para tomar decisiones. Sin embargo, esto a menudo lleva a responder preguntas incorrectas. El enfoque "decision-driven", en cambio, empieza definiendo las decisiones clave y busca los datos necesarios para tomarlas.

• Enfoque erróneo: Analizar datos disponibles para cualquier propósito.
• Pregunta correcta: ¿Qué decisiones necesitamos tomar?
• Selección de datos: Identificar datos específicos que apoyen estas decisiones.
• Aplicación práctica: Evitar la sobrecarga de información (infoxicación).
• Resultado: Decisiones más alineadas con los objetivos del negocio.

2.- Reforzando Creencias Preexistentes

Los datos mal utilizados pueden servir para confirmar creencias preexistentes, en lugar de proporcionar insights objetivos. Esto es particularmente peligroso cuando se utiliza para justificar decisiones ya tomadas.

• Riesgo: Confirmación de sesgos preexistentes.
• Ejemplo común: Analizar datos de redes sociales para justificar campañas de marketing.
• Enfoque adecuado: Desafiar suposiciones con nuevos datos.
• Técnica: Uso de pruebas controladas para validar decisiones.
• Beneficio: Decisiones basadas en evidencia y no en suposiciones.

3.- Pasos para Implementar Analítica Orientada a Decisiones

Para adoptar un enfoque "decision-driven", es fundamental seguir una serie de pasos que alineen los esfuerzos de analítica con las decisiones estratégicas del negocio.

• Paso 1: Identificar decisiones clave a tomar.
• Paso 2: Determinar los datos necesarios para cada decisión.
• Paso 3: Ejecutar análisis que generen valor, no solo información.
• Paso 4: Realizar pruebas controladas para validar resultados.
• Paso 5: Seleccionar el mejor curso de acción basado en análisis objetivo.

4.- Beneficios de la Analítica Orientada a Decisiones

Al implementar un enfoque "decision-driven", las empresas pueden asegurar que sus iniciativas de analítica estén directamente vinculadas a la acción y no solo a la generación de reportes.

• Mejor alineación: Datos conectados con decisiones estratégicas.
• Mayor precisión: Reducción de sesgos y suposiciones.
• Eficiencia: Menos tiempo y recursos desperdiciados en análisis irrelevantes.
• Impacto tangible: Resultados empresariales mejorados.
• Innovación: Capacidad de adaptarse rápidamente a nuevos desafíos.

“No se trata de encontrarle un propósito a los datos que tenemos a mano, sino, encontrar los datos correctos para un objetivo de negocio (propósito)”.

Este enfoque permite a las empresas no solo sobrevivir en un entorno impulsado por datos, sino prosperar al tomar decisiones basadas en un análisis profundo y relevante, alineado con sus objetivos de negocio.