Resumen: Ganar con datos

Mu­chos lí­de­res em­pre­sa­ria­les no saben cómo en­ten­der, ges­tio­nar y ex­plo­tar los datos. Los ex­per­tos en ne­go­cios es­tra­té­gi­cos To­masz Tun­guz y Frank Bien ex­pli­can por qué las com­pa­ñías en­fren­tan con­flic­tos in­ter­nos res­pecto a apro­ve­char los datos. Le mues­tran cómo puede tra­ba­jar hacia cam­biar su cul­tura para usar los datos con mayor efi­ca­cia; de­ta­llan cómo uti­li­zar los datos para trans­for­mar sus ope­ra­cio­nes dia­rias y brin­dan un marco via­ble para en­ten­der y ex­plo­tar los datos.

En este resumen usted aprenderá:

• Cómo re­vo­lu­cio­nan el statu quo las em­pre­sas que ca­pi­ta­li­zan los datos;
• Qué desafíos en­fren­tan las com­pa­ñías para uti­li­zar los datos co­rrec­ta­mente y
• Cómo cam­biar su cul­tura cor­po­ra­tiva para uti­li­zar datos con más efi­ca­cia.

Ideas fundamentales

• La cre­ciente com­ple­ji­dad de las em­pre­sas y el ritmo ace­le­rado de cam­bio sig­ni­fi­can que debe usted apro­ve­char los datos.
• Ex­plote los datos en lugar de tra­tar­los como un re­gis­tro his­tó­rico.
• Una ma­yo­ría de lí­de­res sien­ten que la in­ca­pa­ci­dad de su com­pa­ñía para or­ga­ni­zar los datos ade­cua­da­mente es su mayor de­bi­li­dad com­pe­ti­tiva.
• Los pri­me­ros sis­te­mas de in­te­li­gen­cia em­pre­sa­rial ma­ne­ja­ban los datos en tres ni­ve­les: una base de datos de al­ma­ce­na­miento, un de­pó­sito de datos y la pre­pa­ra­ción de in­for­mes para una com­pren­sión nor­mal.
• Apro­ve­che los re­cur­sos que ofre­cen estos cua­tro tipos de ana­lí­tica: des­crip­tiva, pre­dic­tiva, pres­crip­tiva, y ex­plo­ra­to­ria.
• Para ob­te­ner el sig­ni­fi­cado más real de los datos, debe de­tec­tar y ven­cer sus pre­jui­cios.
• Uti­lice los datos para re­ve­lar el men­saje de una his­to­ria.
• Para con­tra­rres­tar los desafíos pro­ve­nien­tes de los datos dis­per­sos que en­frenta su em­presa, uti­lice la mo­de­la­ción de datos.
• La ma­nera en que Goo­gle al­ma­cena los datos per­mite ob­te­ner res­pues­tas a pre­gun­tas en cues­tión de se­gun­dos.
• Ora­cle li­dera el mer­cado de bases de datos de­bido a la ver­sa­ti­li­dad de su tec­no­lo­gía; su mé­todo de pre­cios gana mucho di­nero, pero hace cos­toso el al­ma­ce­na­miento de datos.

Resumen

De Mad Men a ma­te­má­ti­cos

El mar­ke­ting tiene hoy poco en común con la época de Mad Men de las agen­cias de pu­bli­ci­dad de la Ave­nida Ma­di­son. Los pro­fe­sio­na­les ac­tua­les del mar­ke­ting usan al­go­rit­mos, fór­mu­las que ayu­dan a las em­pre­sas a de­ci­dir dónde ex­hi­bir un anun­cio e in­cluso cómo es­ta­ble­cer los pre­cios de los pro­duc­tos de acuerdo con la pro­ba­bi­li­dad de que los con­su­mi­do­res hagan com­pras. Este cam­bio en la prác­tica em­pre­sa­rial tras­ciende la pu­bli­ci­dad. El uso de datos puede al­te­rar la venta, la ad­mi­nis­tra­ción y los pro­duc­tos. Por ejem­plo, las com­pa­ñías que están se­lec­cio­nando nue­vos em­plea­dos pue­den con­sul­tar sus ac­ti­vi­da­des en redes so­cia­les y se­guir la ma­nera en que la gente de­ci­den com­prar.

Op­ti­mi­zar los datos

Al­gu­nas com­pa­ñías han re­es­truc­tu­rado su ma­nera de ope­rar para apro­ve­char la op­ti­mi­za­ción de datos. De mu­chas ma­ne­ras, estas em­pre­sas re­pre­sen­tan el fu­turo. Con el paso del tiempo, otras com­pa­ñías adop­ta­rán estos mé­to­dos. Una em­presa com­pleja ex­plota los datos en lugar de tra­tar­los como un re­gis­tro his­tó­rico. Por ejem­plo, el sis­tema de ges­tión de datos de Uber in­forma a los con­duc­to­res las me­jo­res horas para ope­rar. Los ser­vi­cios de los taxis tra­di­cio­na­les no pue­den com­pe­tir con esta efi­cien­cia.

“Al con­ver­tir­nos en gran­des con­ta­do­res de his­to­rias con datos, po­de­mos cam­biar la ma­nera en que opera nues­tra em­presa”.

Res­pues­tas ins­tan­tá­neas

Uti­li­zar los datos con efi­cien­cia puede res­pon­der efi­caz­mente sus pre­gun­tas sobre cómo opera su em­presa. Puede hacer un se­gui­miento de la ren­ta­bi­li­dad de los clien­tes o de las es­tra­te­gias de ven­tas, o di­ri­girse a sus datos para que lo ayu­den a de­ci­dir cuándo in­tro­du­cir un nuevo pro­ducto. Los lí­de­res de la ges­tión de datos en­tien­den sus datos y pue­den basar sus ac­cio­nes en los úl­ti­mos ha­llaz­gos.

“Hacer ope­ra­ti­vos los datos, uti­li­zar datos para me­jo­rar el ren­di­miento de la em­presa, será la ven­taja com­pe­ti­tiva de­fi­ni­to­ria del fu­turo”.

Pro­ble­mas de los datos

En la ma­yo­ría de las com­pa­ñías, los em­plea­dos que ana­li­zan datos no pue­den tra­ba­jar con total efi­cien­cia a causa de las cons­tan­tes exi­gen­cias com­pe­ti­ti­vas de tiempo. Su tiempo de res­puesta de­pende de la an­ti­güe­dad de la per­sona que pide in­for­ma­ción. La ma­yo­ría de los em­plea­dos tie­nen que es­pe­rar su turno para re­ci­bir res­pues­tas y mu­chos equi­pos ac­túan con de­ma­siada ra­pi­dez, sin to­marse el tiempo para ana­li­zar los datos. La ma­yo­ría de las em­pre­sas ca­re­cen de la ca­pa­ci­dad para ana­li­zar datos ma­si­vos, así que no ma­xi­mi­zan el valor de su in­for­ma­ción o de sus em­plea­dos.

Datos con­fu­sos

La ma­yo­ría de las em­pre­sas se es­fuerza poco para ma­pear los datos que tie­nen. Las em­pre­sas gran­des tie­nen nu­me­ro­sas bases de datos, cada una con miles de mi­llo­nes de ele­men­tos de in­for­ma­ción. Los em­plea­dos que ma­ne­jan los datos deben pro­du­cir e in­ter­pre­tar esos ele­men­tos. Ante la abun­dan­cia de in­for­ma­ción mal or­ga­ni­zada, aún los ana­lis­tas más ca­pa­ci­ta­dos pue­den equi­vo­carse o tar­dar de­ma­siado en res­pon­der. Estos pro­ble­mas cau­san que sus co­le­gas pier­dan el res­peto por la uti­li­dad de los datos.

“Casi todas las com­pa­ñías del mundo de­pen­den hoy de los datos. Pero la gran ma­yo­ría de ellas uti­li­zan los datos en re­tros­pec­tiva, para en­ten­der la his­to­ria, no para im­pul­sar de­ci­sio­nes”.

El pro­blema de la frag­men­ta­ción de datos

Con fre­cuen­cia, los em­plea­dos crean sus pro­pias bases de datos por­que no pue­den ob­te­ner lo que quie­ren del equipo de ges­tión de datos de la em­presa. Re­co­pi­lan datos por toda la com­pa­ñía y los al­ma­ce­nan en ser­vi­do­res de bases de datos. Estas fuen­tes de datos ad hocpue­den estar lle­nas de erro­res o pue­den per­der rá­pi­da­mente los datos. En cuanto los em­plea­dos ex­traen datos de una base de datos, se arries­gan a que esos datos se vuel­van ob­so­le­tos. Si con­ti­núan uti­li­zán­do­los, pue­den pro­por­cio­nar in­for­ma­ción in­co­rrecta a sus clien­tes y co­le­gas.

“En la ma­yo­ría de las em­pre­sas, los silos de datos in­hi­ben la adop­ción de mé­tri­cas uni­ver­sa­les”.

La falta de datos uni­for­mes pro­voca desacuer­dos. Los datos con­tra­dic­to­rios su­gie­ren di­fe­ren­tes cur­sos de ac­ción. Las uni­da­des cor­po­ra­ti­vas se­pa­ra­das con­ci­ben sus pro­pios plan­tea­mien­tos para re­sol­ver pro­ble­mas y medir el ren­di­miento. Di­ver­sos gru­pos po­drían di­sen­tir sobre una va­rie­dad de pro­ble­mas, entre ellos, la va­li­dez de los datos y cómo medir fac­to­res cru­cia­les acerca de la em­presa.

In­te­li­gen­cia em­pre­sa­rial

Gran parte del campo de la in­te­li­gen­cia em­pre­sa­rial surge del ar­tículo de 1958 “Un sis­tema de in­te­li­gen­cia em­pre­sa­rial”, del in­ves­ti­ga­dor de IBM, Hans Peter Luhn, que des­cribe el flujo cru­cial de in­for­ma­ción den­tro de una or­ga­ni­za­ción. La in­fra­es­truc­tura para ad­mi­nis­trar datos ha cam­biado, pero el pro­ceso de pedir in­for­ma­ción es prác­ti­ca­mente el mismo. Un usua­rio em­pre­sa­rial con­sulta al equipo de ges­tión de datos sobre un pro­blema. Los ge­ren­tes de datos tra­du­cen la pre­gunta al for­mato que re­quiere su sis­tema de in­te­li­gen­cia em­pre­sa­rial. Luego, ex­traen un con­junto de datos. La rá­pida caída del costo de al­ma­ce­nar gran­des can­ti­da­des de datos em­pre­sa­ria­les es algo que sí ha cam­biado.

“Hemos en­trado en una nueva era, una en la que las ac­ti­tu­des, re­glas y com­por­ta­mien­tos que con­tro­lan cómo uti­li­zan los datos las em­pre­sas se están trans­for­mando ra­di­cal­mente”. (Fo­rres­ter Re­search)

Bases de datos para las masas

Ora­cle li­dera el mer­cado de bases de datos por la ver­sa­ti­li­dad de su tec­no­lo­gía. Su mé­todo de pre­cios le ge­nera mucho di­nero, pero Ora­cle hace cos­toso para usted el al­ma­ce­na­miento de datos. Los crea­do­res de los pri­me­ros sis­te­mas de in­te­li­gen­cia em­pre­sa­rial los di­se­ña­ron para ma­ne­jar datos en tres ni­ve­les. Una base de datos al­ma­ce­naba todos los datos de la em­presa. Un de­pó­sito de datos ex­traía in­for­ma­ción de esa base y pre­pa­raba in­for­mes. Un ter­cer nivel los pre­pa­raba en un for­mato com­pren­si­ble para el usua­rio. El di­seño tenía pro­ble­mas in­he­ren­tes. Se­gúna la em­presa cre­cía, sus pro­ble­mas cam­bia­ban y, según el ta­maño del de­pó­sito de datos cre­cía, las em­pre­sas de­bían pagar más a los ven­de­do­res de bases de datos. En­ton­ces, nue­vas em­pre­sas con­ci­bie­ron un plan­tea­miento nuevo.

“A lo largo de sus más de 16 años de his­to­ria, Goo­gle ha se­guido desa­rro­llando sus pro­pias bases de datos y sis­te­mas de ar­chivo para apro­ve­char el hard­ware de bajo costo”.

Re­du­cir cos­tos

Goo­gle ha di­se­ñado in­fra­es­truc­tura que ca­pi­ta­liza los sis­te­mas in­for­má­ti­cos más ba­ra­tos. Desa­rro­lló mé­to­dos para ana­li­zar datos que fue­ron más allá de la tec­no­lo­gía exis­tente cuando los mé­to­dos dis­po­ni­bles re­sul­ta­ban inade­cua­dos. Con­ci­bió nue­vas ma­ne­ras de man­te­ner los datos para que pu­diera res­pon­der pre­gun­tas en se­gun­dos.

Com­pa­ñías como Ama­zon, Goo­gle y Mi­cro­soft con­ci­bie­ron bases de datos po­de­ro­sas por una frac­ción del costo an­te­rior. Los nue­vos plan­tea­mien­tos pue­den ayu­dar a los usua­rios em­pre­sa­ria­les a ob­te­ner res­pues­tas a las pre­gun­tas desafian­tes sobre bases de datos.

“De­bido al… nuevo ac­ceso ins­tan­tá­neo a casi todo tipo de in­for­ma­ción, es­pe­ra­mos la misma ins­tan­ta­nei­dad de las res­pues­tas en el tra­bajo. ¿Por qué nues­tro equipo de ven­tas con­si­guió me­jo­res re­sul­ta­dos el úl­timo tri­mes­tre? ¿Cuál de mis clien­tes es el que está pa­gando más?”

Adopte la cu­rio­si­dad

Para cam­biar su cul­tura para apro­ve­char los datos, fo­mente la cu­rio­si­dad. No dé por hecho sus datos ni su­ponga que sabe qué per­cep­cio­nes puede ex­plo­tar. Con­si­dere a sus clien­tes de nue­vas ma­ne­ras. Haga equipo con sus in­ge­nie­ros de datos para bus­car pa­tro­nes ines­pe­ra­dos. Scott Cook, fun­da­dor y di­rec­tor eje­cu­tivo de In­tuit, su­giere que tres cosas po­si­ti­vas ocu­rren cuando aprende a uti­li­zar y con­fiar en los datos. La ca­li­dad de su toma de de­ci­sio­nes me­jora por­que puede basar sus de­ci­sio­nes en in­for­ma­ción de clien­tes reales y no en la teo­ría. Em­po­dera in­cluso a jó­ve­nes em­plea­dos que hacen su­ge­ren­cias que pue­den res­pal­dar con datos. Y su per­so­nal en­cuen­tra in­for­ma­ción nueva que fo­menta la in­no­va­ción.

“Los em­plea­dos de cada nivel den­tro de la com­pa­ñía deben… desa­rro­llar la ca­pa­ci­dad de ex­pli­car las ten­den­cias a otras per­so­nas, en­ten­der­las y cam­biar la di­rec­ción de la com­pa­ñía ba­sa­dos en las nue­vas per­cep­cio­nes”.

Eta­pas de la ges­tión de datos

Las com­pa­ñías pasan por tres eta­pas mien­tras apren­den a ma­ne­jar datos. Por ejem­plo, con­si­dere a Twi­lio, que pro­por­ciona una in­ter­faz que per­mite va­rios dis­po­si­ti­vos para co­mu­ni­carse. Ini­cial­mente, los in­ge­nie­ros in­for­má­ti­cos de Twi­lio ma­ne­ja­ban y con­tro­la­ban sus datos. Otros em­plea­dos te­nían que pe­dir­les in­for­ma­ción a ellos. Esto de­jaba al per­so­nal de in­ge­nie­ría con menos tiempo para cons­truir la in­fra­es­truc­tura cru­cial de Twi­lio. La com­pa­ñía trató in­fruc­tuo­sa­mente de uti­li­zar su sis­tema de ges­tión de ven­tas para ma­ne­jar los datos. El equipo de ges­tión de datos les daba a los em­plea­dos for­ma­tos sen­ci­llos para tener ac­ceso a los datos, pero los em­plea­dos de ven­tas ca­re­cían de las ha­bi­li­da­des para en­ten­der los for­ma­tos. El equipo de ges­tión de datos que­ría ge­ne­rar in­for­mes es­tán­dar a in­ter­va­los re­gu­la­res, pero la ma­yo­ría de los usua­rios que­rían res­pues­tas rá­pi­das y úni­cas para pre­gun­tas es­pe­cí­fi­cas, por­que bus­ca­ban ma­te­rial para sus pre­sen­ta­cio­nes e in­for­mes.

Mo­de­lado de datos

En el pa­sado, el di­rec­tor de tec­no­lo­gía con­tro­laba los pre­su­pues­tos de la ges­tión de datos y la in­te­li­gen­cia em­pre­sa­rial. Pero re­cien­te­mente, los usua­rios em­pre­sa­ria­les han em­pe­zado a com­prar soft­ware que sa­tis­face sus re­que­ri­mien­tos. Esto sig­ni­fica que di­fe­ren­tes gru­pos al­ma­ce­nan datos en ser­vi­do­res por toda la or­ga­ni­za­ción.

“La frag­men­ta­ción del aná­li­sis a tra­vés de equi­pos y he­rra­mien­tas desafía al equipo de datos a ase­gu­rar que todos den­tro de la com­pa­ñía reali­cen aná­li­sis cons­tan­te­mente uti­li­zando, las mis­mas ter­mi­no­lo­gías y mé­tri­cas”.

La mo­de­la­ción de datos ayuda a las em­pre­sas a hacer frente a los desafíos que plan­tean los datos dis­per­sos. Esto deja que los eje­cu­ti­vos uti­li­cen sus pro­pias he­rra­mien­tas de in­te­li­gen­cia em­pre­sa­rial, mien­tras per­mi­ten que el equipo de datos le dé ser­vi­cio a la or­ga­ni­za­ción. La mo­de­la­ción de datos deja que TI de­fina la re­la­ción entre di­fe­ren­tes tipos de datos –como entre ven­tas y mar­ke­ting– para que otros eje­cu­ti­vos pue­dan uti­li­zar los datos.

“Los datos son una he­rra­mienta po­de­rosa para ex­po­ner nues­tras ten­den­cias y se­ña­lar el ca­mino hacia la de­ci­sión co­rrecta, es­pe­cial­mente cuando los datos con­tra­di­cen nues­tros ins­tin­tos”.

Las pre­gun­tas co­rrec­tas

Eins­tein su­gi­rió que la ma­nera en que for­mula una pre­gunta es más im­por­tante que con­se­guir una res­puesta. Eso sig­ni­fica que puede ex­plo­rar nue­vas po­si­bi­li­da­des si di­seña sus pre­gun­tas de ma­nera crea­tiva. El “re­co­rrido de la com­ple­ji­dad de los datos” sigue la pro­gre­sión en cua­tro tipos de ana­lí­ti­cas:

Ana­lí­tica des­crip­tiva – Ayuda a exa­mi­nar con cuánta efi­ca­cia mide el ren­di­miento, si esas me­di­das cam­bia­ron y cómo cum­plie­ron los ob­je­ti­vos de­fi­ni­dos. 

Ana­lí­tica de diag­nós­tico – Ahora pre­gunte: ¿por qué su­ce­dió? Este aná­li­sis exa­mina por qué fun­cio­na­ron o no las es­tra­te­gias y re­quiere un uso más com­plejo de es­ta­dís­ti­cas. 

Ana­lí­tica pre­dic­tiva – Este aná­li­sis res­ponde a ¿qué su­ce­derá? Ayuda a las em­pre­sas a uti­li­zar el ren­di­miento pa­sado para exa­mi­nar y desa­rro­llar po­si­bles es­ce­na­rios fu­tu­ros. 

Ana­lí­tica pres­crip­tiva – Ahora puede res­pon­der la pre­gunta ¿cómo po­de­mos hacer que su­ceda? Estas ana­lí­ti­cas pue­den ayu­dar a ele­gir entre di­fe­ren­tes ca­mi­nos. Re­quie­ren gran­des vo­lú­me­nes de datos y ex­pe­rien­cia en aná­li­sis. Como re­sul­tado, pocas com­pa­ñías las uti­li­zan. 

“Las com­pa­ñías in­no­va­do­ras… en­cuen­tran gran­des ideas me­diante ex­pe­ri­men­tos y las pro­mue­ven den­tro de la pro­duc­ción”.

Puede in­ser­tar otro paso des­pués de la ana­lí­tica de diag­nós­tico. Este paso, lla­mado ana­lí­tica ex­plo­ra­to­ria, in­dica la bús­queda de una hi­pó­te­sis que fun­cione con base en los dos pri­me­ros pasos. Los ven­de­do­res de he­rra­mien­tas de ana­lí­tica ex­plo­ra­to­ria han re­du­cido los pre­cios, así que ahora los ana­lis­tas pue­den uti­li­zar estas he­rra­mien­tas para exa­mi­nar desafíos em­pre­sa­ria­les. Ex­plo­rar el pre­sente les per­mite cam­biar una es­tra­te­gia por la tarde, ba­sán­dose en datos que vie­ron por la ma­ñana.

“La ex­pe­ri­men­ta­ción está en el cen­tro de esa in­no­va­ción por­que pre­para a los em­plea­dos, in­cluso a los más jó­ve­nes den­tro de una com­pa­ñía, a apo­yar sus ar­gu­men­tos con datos”.

En­con­trar la na­rra­tiva

Las fá­bu­las de Esopo mues­tran la co­ne­xión entre un su­ceso y sus con­se­cuen­cias, para per­sua­dir a los niños de los be­ne­fi­cios de la mo­ra­li­dad. Al igual que Esopo, puede uti­li­zar los datos para mos­trar el sig­ni­fi­cado que ex­presa una his­to­ria. Por ejem­plo, en su ar­tículo “Lio­nel Messi es im­po­si­ble” en el sitio web fivethirtyeight.com, el pe­rio­dista Ben­ja­min Mo­rris uti­lizó grá­fi­cas sen­ci­llas ba­sa­das en aná­li­sis de datos para mos­trar cómo Messi con­si­gue me­jo­res re­sul­ta­dos que otros fut­bo­lis­tas.

Sus pre­jui­cios

Para ob­te­ner el sig­ni­fi­cado más real de los datos, debe de­tec­tar y ven­cer sus pre­jui­cios. Quizá apli­que lo que cree que es sen­tido común, y des­cu­bra que los datos de­mues­tran que está en el ca­mino equi­vo­cado. Du­rante la Se­gunda Gue­rra Mun­dial, la Fuerza Aérea es­ta­dou­ni­dense per­dió más de 30 avio­nes dia­rios por el fuego enemigo. Luego, la Fuerza Aérea de­ci­dió dar­les a sus avio­nes pro­tec­ción adi­cio­nal re­for­zando las áreas da­ña­das por los dis­pa­ros. Pero el es­ta­dís­tico Abraham Wald su­gi­rió que, en lugar de eso, la Fuerza Aérea debía pro­te­ger las ae­ro­na­ves en los lu­ga­res donde no pre­sen­ta­ban daños, pues los avio­nes que ha­bían re­ci­bido dis­pa­ros en esos lu­ga­res no ha­bían re­gre­sado de com­bate.

“En la ac­tua­li­dad, el cam­bio es más com­plejo, más rá­pido y más di­fí­cil de pre­de­cir que nunca antes… El único an­tí­doto para esta cre­ciente vo­la­ti­li­dad son los datos”.

Re­vo­lu­cione las ope­ra­cio­nes

Las em­pre­sas con lien­zos (con­te­ne­do­res) de datos in­te­gra­dos y equi­pos bien en­tre­na­dos pue­den re­vo­lu­cio­nar sus ope­ra­cio­nes. Y pue­den ayu­dar a sus bi­blio­te­ca­rios a no aho­garse en pe­ti­cio­nes de datos. Cuando la bi­blio­teca del Cen­tro de As­tro­fí­sica Harvard-Smithsonian ofre­ció el curso “Ca­pa­ci­ta­ción como cien­tí­fico de datos para bi­blio­te­ca­rios”; se ins­cri­bie­ron bi­blio­te­ca­rios de todo el mundo que bus­ca­ban en­ten­der los datos y sus im­pli­ca­cio­nes.

Sobre los autores

El in­ver­sio­nista de ca­pi­tal de riesgo de Red­point To­masz Tun­guz tra­bajó en Goo­gle. Frank Bien, pre­si­dente y di­rec­tor eje­cu­tivo de Loo­ker Data Scien­ces, fue vi­ce­pre­si­dente sé­nior de es­tra­te­gia en Virsto Soft­ware Cor­po­ra­tion.