Recientemente, entrevisté al autor de “Freakonomics” Stephen Dubner para la Cumbre virtual Alter.Next: aceleración de la madurez analítica para triunfar. Stephen Dubner no solo escribió la exitosa serie de libros “Freakonomics”, sino que también es el anfitrión del podcast “Freakonomics Radio” y un periodista galardonado. Tiene amplia experiencia en la investigación de empresas de todos los tipos y tamaños, ya que dedicó la mayor parte de las últimas dos décadas a estudiar “el lado oculto” de cientos de organizaciones. Stephen comparte sus aprendizajes (desde conocimientos esotéricos hasta mejores prácticas de las principales empresas globales) de forma atractiva y fácil de entender.
Durante nuestra entrevista, Stephen y yo analizamos los desafíos y el valor que se crean a partir de los datos y la analítica en el negocio. Nos compartió orientación que vale la pena seguir en cualquier organización moderna. Stephen identificó lugares sorprendentes en los que la analítica impulsa a empresas exitosas, lo que crea ventajas competitivas y desarrolla resiliencia en el negocio. Además, Stephen nos contó cómo todos pueden aprovechar de mejor forma los datos que los rodean. A continuación, compartiré mis conclusiones sobre la conversación y los animo a ver la entrevista completa en Alter.Next.
La revolución analítica es un elefante
Le pregunté a Stephen qué cambios observó en los datos y la analítica a lo largo del tiempo. Me dijo que él cree que la revolución analítica es como el elefante alegórico de la fábula de “los ciegos y el elefante”. Para parafrasear a Stephen:
La revolución analítica es algo totalmente diferente para distintas personas. Las personas que generan y analizan datos, y tratan de darles un sentido realizable, ven más del “elefante” de la analítica y saben lo que están haciendo. Sin embargo, por lo general, el equipo directivo de una empresa no tiene un conocimiento avanzado de la analítica y podría malinterpretarla. Para los clientes de la empresa, la revolución analítica puede significar algo diferente; para muchos, puede representar una invasión de la privacidad.
En efecto, la revolución analítica desestabilizó las relaciones de muchas personas con los datos. En su historia, Stephen señala una obviedad moderna: nadie puede renunciar por completo a los datos. En un mundo en el que las empresas funcionan con Big Data y las decisiones cotidianas de la persona promedio se ven influenciadas por los algoritmos del aprendizaje automático, decir “no soy una persona de datos” te pone en una clara desventaja, independientemente de que seas un consumidor o un líder comercial. Durante la conversación, Stephen expresó que cree que todos podemos convertirnos en “personas de datos” de algún tipo, y que es más fácil y divertido de lo que muchos esperan.
Lo analítico y lo técnico son cosas diferentes
Stephen analizó sus observaciones de las reacciones de personas y organizaciones ante la revolución analítica, y destacó un malentendido común: las personas confunden la mentalidad analítica con la mentalidad técnica. Stephen afirmó que uno no tiene que ser un “genio de las matemáticas” para tener éxito en el pensamiento analítico y que, cuando se trata de elegir entre las dos, él prefiere la mentalidad analítica. Compartió lo siguiente (parafraseo nuevamente):
Las personas se están dando cuenta de que los datos son una herramienta fantástica, aunque un componente clave para alcanzar el éxito con estos es plantear las preguntas correctas. Las personas también se están dando cuenta de que la analítica es una manera increíblemente útil de contar historias con base en los datos. Las historias son fundamentales porque la mayoría de las personas procesan mejor la información cuando está en ese formato.
Stephen hizo hincapié en lo importante que es poder leer, comprender, crear y comunicar datos como información; un conjunto de habilidades comúnmente conocido como “conocimiento de datos”. Esto es lo que nos permite abordar las ideas, los desafíos y el mundo en general con una mentalidad analítica. Ten en cuenta que desarrollar el conocimiento de datos no requiere aprender una tecnología, un marco de trabajo o un lenguaje de programación específico. Al contrario, el conocimiento de datos es similar al pensamiento crítico.
¿Cómo es el conocimiento de datos en un contexto comercial? Un profesional con un conocimiento de datos avanzado:
Comprende qué datos son relevantes para su equipo y organización. Por ejemplo, si estás tratando de entender el comportamiento de los clientes en tu sitio web australiano, es poco probable que te beneficies de ver exclusivamente los datos relacionados con las preferencias de productos sin conexión de tus clientes alemanes.
Formula preguntas sobre el resultado de los algoritmos. Si tienes dos clientes potenciales y tu CRM identificó que uno de ellos tiene una mayor tendencia de compra que el otro, ¿a qué se debe eso? ¿Qué comportamientos, datos demográficos y otros factores analizó el algoritmo? ¿Por qué un cliente potencial es más prometedor que el otro?
Separa los indicadores secundarios de los principales. Si monitoreas la seguridad de un sitio de construcción, hay una diferencia entre el porcentaje de los trabajadores que usan cascos (un indicador principal, que podrías controlar directamente) y la cantidad de accidentes en el sitio en un mes determinado (un indicador secundario, que mide la eficacia de tus intervenciones).
Diseña y realiza experimentos estructurados para probar las teorías. Si administras un sitio web, puedes aprovechar las pruebas A/B, es decir, dos configuraciones diferentes del sitio web que se ofrecen aleatoriamente a distintos visitantes del sitio, lo que crea un grupo de “control” y un grupo de “tratamiento”. Cuando analizas los diferentes comportamientos de los grupos (cuánto tiempo se quedan, en qué hacen clic, si realizan una compra o no, etc.), descubres si es la versión de tratamiento o de control del sitio la que crea el resultado que deseas.
Comunica datos a los líderes comerciales a través de historias y casos de negocios. Si estás diseñando un nuevo producto y deseas compartir los resultados de las pruebas de usuario con el equipo de liderazgo, puedes señalar que al 80 % de los usuarios les gustó el diseño C y que el 50 % de los usuarios se sintió frustrado con el diseño D. Cuando agregas las historias de los usuarios individuales (la forma en que una persona utiliza el producto en el transcurso del día, por qué les recomendarían a sus amigos que lo compren y lo que dijeron mientras usaban el producto), creas una imagen detallada que ayuda a tus líderes a tomar decisiones mejor informadas.
Como puedes ver, el conocimiento de datos tiene muchos usos valiosos en los negocios. Además, estos comportamientos no requieren antecedentes técnicos ni educación.
Por qué un mundo con más conocimiento aritmético es un mundo mejor
Stephen analizó el valor práctico de los conocimientos de datos en la vida diaria y en el negocio. También mencionó que el mundo podría ser un lugar mejor si todos nos sintiéramos más cómodos con los datos. Dijo:
“Un poco más de aritmética en el mundo es algo bueno porque, como mínimo, podrías ver el anuncio de la campaña de un político que es demostrablemente falso y entender por qué lo es. Por ejemplo, si una cifra se duplicó en el último año, pero el valor inicial era de uno, sabrías que no es realmente un gran cambio”.
Como se mencionó anteriormente, el conocimiento de datos permite la resolución objetiva de los problemas. En una organización con conocimientos de datos, las decisiones empresariales se basan en los hechos demostrables de una situación en lugar de en la intuición, los estereotipos, la experiencia anecdótica o las impresiones.
Por lo tanto, no es de extrañar que el conocimiento de datos se haya convertido en una habilidad empresarial estándar. Los datos impulsan la innovación en el mercado moderno. Las empresas aprovechan el aprendizaje automático y la IA para obtener insights y mantenerse al día de los continuos cambios en la tecnología. En efecto, los algoritmos de aprendizaje automático se pueden encontrar en casi todos los sistemas empresariales. A medida que las organizaciones continúan acumulando datos, todos los empleados, no solo las personas que trabajan con datos, deben adquirir conocimientos de datos para desempeñar sus roles y mejorar la ventaja competitiva de la organización en una economía global agresiva. Según un profesor del MIT Sloan:
“En un mundo de más datos, ganarán las empresas con más personas con conocimientos de datos”.
Si puedes examinar críticamente la información, sus limitaciones y posibles conclusiones, eres más difícil de engañar con datos incompletos o datos manipulados para el beneficio de alguien más. Esto es importante en los negocios, ya que los trabajadores capacitados que entienden cómo se crearon los datos y que pueden desafiar el resultado de los algoritmos pueden proteger y desarrollar mejor el negocio que aquellos que suponen que una decisión tomada por algún “sistema” siempre es correcta.
Obtén más información sobre cómo las empresas líderes del mundo priorizan el conocimiento de datos en la encuesta de IDC “Future of Intelligence: Importance of Data Literacy”.
Cada negocio es un negocio de datos
Le pregunté a Stephen cómo se relaciona su trabajo en Freakonomics Radio con los datos y la analítica. Me dijo:
“Lo que he intentado hacer en Freakonomics es contar historias que son verdaderas. Es periodismo de no ficción y, además, incluye muchos datos de entrevistas a académicos y otros expertos”.
Desde que su libro original, “Freakonomics”, iluminó fenómenos económicos poco claros, Stephen amplió el tema diciendo lo siguiente (parafraseo):
Para mí, la economía suele malinterpretarse como el estudio del dinero. La economía es realmente el estudio de incentivos y cómo las personas obtienen lo que desean y necesitan, en especial cuando compiten con otros que pueden querer y necesitar lo mismo. La mejor versión de esto es “¿Cómo podemos ser óptimos? ¿Cómo podemos optimizarnos para obtener lo que queremos individualmente, pero de manera que fortalezca a la sociedad?”. Ese es el gran desafío.
Ver la economía como un tipo específico de problema de optimización fue revelador. De hecho, en las industrias y unidades de negocio, todos intentamos realizar diferentes tipos de optimización. En la cadena de suministro, la pregunta sobre la optimización puede ser “¿Cómo podemos enviar bienes adonde se necesitan de forma rápida y económica, y sin sacrificar la seguridad o la auditabilidad?”. En la oficina del CFO, la pregunta sobre la optimización puede ser “¿Cómo podemos obtener el mayor rendimiento de los activos, el capital y el patrimonio neto, a la vez que controlamos los costos y mantenemos el cumplimiento financiero?”.
Aunque la redacción varía entre las empresas y funciones, todos los problemas de optimización empresarial se deben abordar con datos y, específicamente, mediante el análisis de estos. Entonces, ¿contar con más y mejores datos y capacidades analíticas permite alcanzar mejores resultados comerciales? La experiencia dice que sí. Según el International Institute of Analytics, cuanto más desarrolladas sean las prácticas analíticas de una organización, mejor será su rendimiento.
Este concepto se denomina “madurez analítica” y se suele medir en cinco etapas. Las organizaciones en la etapa 1 de la madurez analítica pueden tener dificultades para organizar y comprender sus datos, por lo que toman decisiones empresariales críticas, principalmente con base en las opiniones y los instintos de los equipos de liderazgo. Por otro lado, las organizaciones en la etapa 5 de la madurez analítica han optimizado las decisiones empresariales con datos y analítica, aprovechan la analítica para obtener ventajas competitivas e incluso pueden llegar a alterar a toda su industria.
Tener una visión clara de dónde se encuentra el negocio en este espectro de madurez analítica es fundamental para ser competitivos y planificar las inversiones correctas a corto y largo plazo. Si deseas comparar tu negocio, visita la Evaluación de madurez analítica de Alteryx. En 15 minutos o menos, recibirás un informe personalizado en el que se describirán las fortalezas y los desafíos de los datos y la analítica de tu organización, además de recursos que puedes utilizar para acelerar el paso de tu empresa a la siguiente etapa de madurez.
Cómo realizar tu propio recorrido analítico
Las empresas no son las únicas entidades que hacen recorridos analíticos. Stephen señaló cómo todos pueden empoderarse rápidamente para comprender y aprovechar mejor los datos con algunas preguntas sencillas. Dijo:
“Hay una serie de preguntas que me gusta formular, y cualquiera puede hacerlo. La primera es ‘¿Cuál es la mejor prueba de que tu argumento es verdadero?’. Esa es una excelente manera de entender tu conjunto de datos. ¿Qué tamaño tiene tu conjunto de datos?’ ¿Qué tan representativo es tu conjunto de datos? ¿Tus datos representan cantidades suficientes de personas, tiempo, etc., para que podamos sacar una conclusión valiosa?”.
Stephen profundizó en este tema y compartió preguntas sobre los datos faltantes, la manera en que se adquirieron, los tipos y cómo se utilizan. Si te interesa descubrir todas las preguntas fundamentales de Stephen sobre los datos, te animo a mirar la entrevista en Alter.Next.
Mejorar el conocimiento de datos comienza con la formulación de preguntas, pero hay otras cosas que puedes hacer para desarrollar tus habilidades analíticas. En primer lugar, explora lo que está disponible en tu propia organización. ¿Quizás tu empresa ofrece programas de entrenamiento sobre datos y analítica? ¿Existen fondos de aprendizaje y desarrollo para tomar cursos fuera del trabajo? ¿Hay mentores disponibles que puedan ofrecer su sabiduría analítica?
Incluso si tu empresa no cuenta con analistas o científicos de datos internos con los que puedas hablar, comunícate con alguien que trabaje con datos. Revisa los sitios web de redes, como LinkedIn, o los grupos de redes locales. Crear contactos en el mundo de datos abre oportunidades para colaborar en un proyecto analítico compartido o para que alguien te guíe en tu propio proyecto analítico. Puedes comenzar con la Comunidad Alteryx, un espacio lleno de superhéroes analíticos que estarán felices de conectarse, compartir historias y ayudarte. Revisa si hay ACE de Alteryx y grupos de usuarios de Alteryx en tu área. Puedes unirte a los grupos de usuarios de Alteryx y aprender de ellos, incluso si no eres un usuario de Alteryx. Después de todo, cualquier analista te dirá que la mayor alegría que ofrecen los datos y la analítica es aprender y resolver problemas de forma colaborativa.
Si sientes curiosidad por el aspecto técnico de la analítica, considera explorar sitios de código abierto como Stack Overflow y GitHub. Estos sitios ofrecen acceso gratuito a comunidades de desarrolladores que están felices de compartir su experiencia y sus insights sobre lo que puede ofrecer el código.
Por último, examina los MOOC que ofrecen Coursera, Udacity, DataCamp y muchos más. Los programas de conocimientos de datos abundan en línea. Este tipo de aprendizaje ofrece flexibilidad para comenzar y estudiar a tu propio ritmo, a la vez que interactúas con los demás participantes y recibes comentarios de ellos. Por ejemplo, Udacity se asoció con Alteryx para ofrecer un programa de nanogrado: Analítica predictiva para empresas.
Cómo liderar el recorrido analítico de tu organización
Si puedes dirigir las políticas y prioridades de tu organización, puedes elegir entre muchas tácticas para mejorar rápidamente el conocimiento de datos en la empresa. En primer lugar, define los objetivos del conocimiento de datos. Dado que diferentes roles requieren distintos niveles de fluidez con respecto a datos y analítica, debes tener esta importante conversación con otros stakeholders y líderes clave.
Una vez que lleguen a acuerdos respecto a los objetivos del conocimiento de datos, evalúa los niveles de habilidades actuales de tus empleados. Desarrolla una evaluación personalizada para tu organización o aprovecha la Evaluación de madurez de analítica de Alteryx a fin de obtener una imagen clara de las capacidades en tu empresa.
Después, establece rutas de aprendizaje apropiadas según tus hallazgos y objetivos para el conocimiento de datos. El desarrollo de un programa interno de conocimiento de datos puede ser impulsado en gran medida por los empleados, pero también puedes recurrir a ayuda externa. En este contexto, muchos líderes con mentalidad analítica confían en la plataforma Alteryx Analytic Automation para educar y empoderar a los equipos a fin de que proporcionen resultados comerciales de alto impacto con los datos.
Luego viene la implementación. Ofrece entrenamientos sobre conocimiento de datos en tu organización, idealmente en varios formatos. Todas las personas aprenden de manera diferente: es posible que algunos de tus empleados se destaquen en los ejercicios prácticos, mientras que otros prosperen con cursos autoguiados. Para garantizar el éxito del programa, combina el entrenamiento sobre conocimiento de datos con proyectos prácticos y valiosos que ofrezcan indicadores de rendimiento medibles. De esa manera, puedes impulsar los resultados de valor agregado del entrenamiento y obtener una vista clara de estos.
Descubre cómo los líderes de organizaciones grandes y pequeñas han impulsado con éxito las iniciativas de conocimiento de datos en Cuatro consejos para desarrollar una fuerza laboral con conocimientos de datos.
Por último, convierte el avance de la madurez analítica de tu organización en una práctica continua, no una actividad única, y fomenta una cultura de aprendizaje en la empresa. Crea un entorno que recompense la curiosidad en lugar de castigar la falta de conocimiento de datos. Así, erradicarás las malas prácticas de datos, como el ocultamiento o la manipulación de estos mediante métricas de vanidad. Además, asegúrate de contar con el apoyo de otros líderes, ya que todos los altos directivos deben participar y ejemplificar los comportamientos y resultados deseados.
Obtén información detallada sobre estrategias exitosas que mejoran el uso de datos y la analítica de tu organización, e impulsa resultados comerciales superlativos con el libro electrónico Automatización de la analítica: un enfoque centrado en los seres humanos para obtener resultados comerciales transformadores. En este encontrarás varios casos de estudio empresariales y ejemplos de cómo la implementación de la automatización de la analítica con una filosofía de conocimiento de datos conduce rápidamente a resultados comerciales medibles.