Cómo empezar a pensar como un científico de datos

De forma lenta pero constante, los datos llegan por la fuerza a todos los rincones de todos los sectores, empresas y puestos. Los gerentes que no son expertos en datos, que no pueden realizar análisis básicos, interpretar los más complejos e interactuar con los científicos de datos ya están en desventaja. Las empresas que no tienen un grupo grande y creciente de gerentes expertos en datos están en una desventaja similar.

Afortunadamente, no tiene que ser un científico de datos o un Estadístico bayesiano para obtener información útil de los datos. Este post explora un ejercicio que he utilizado durante 20 años para ayudar a los que tienen una mente abierta (y un lápiz, un papel y una calculadora) a empezar. Un post no hará que sea un experto en datos, pero le ayudará a adquirir conocimientos de datos, a abrir los ojos a los millones de oportunidades de pequeños datos y a trabajar de forma un poco más eficaz con los científicos de datos, la analítica y todo lo relacionado con la cantidad.

Si bien el ejercicio es en gran medida una guía práctica, cada paso también ilustra un concepto importante de la analítica, desde entender la variación hasta la visualización.

Primero, comience con algo que le interese, incluso le moleste, en el trabajo, como las reuniones que comienzan tarde de manera constante. Sea lo que sea, hágalo en forma de pregunta y escríbalo: «Las reuniones siempre comienzan tarde. ¿Es eso realmente cierto?»

A continuación, analice los datos que pueden ayudar a responder a su pregunta y elabore un plan para crearlos. Anote todas las definiciones pertinentes y su protocolo para recopilar los datos. Para este ejemplo en concreto, tiene que definir cuándo comienza realmente la reunión. ¿Es el momento en que alguien dice: «Está bien, empecemos»? ¿O a la hora en que comience el verdadero asunto de la reunión? ¿Cuenta el kibitzing?

Ahora recopile los datos. Es fundamental que usted confiar en los datos. Y, a medida que avanza, es casi seguro que encontrará lagunas en la recopilación de datos. Puede que descubra que, aunque una reunión ha empezado, empieza de nuevo cuando se une una persona de más alto rango. Modifique su definición y protocolo a medida que avanza.

Antes de lo que cree, estará listo para empezar a hacer algunos dibujos. Las buenas imágenes le facilitan la comprensión de los datos y la comunicación de los puntos principales a los demás. Hay muchas herramientas buenas que me ayudan, pero me gusta hacer mi primer dibujo a mano. Mi argumento favorito es un trama de series temporales, donde el eje horizontal tiene la fecha y la hora y el eje vertical tiene la variable de interés. Por lo tanto, un punto en el gráfico de abajo (haga clic para ampliarla) es la fecha y la hora de la reunión frente al número de minutos de retraso.

Ahora vuelva a la pregunta con la que empezó y desarrolle estadísticas resumidas. ¿Ha descubierto la respuesta? En este caso, «Durante un período de dos semanas, el 10% de las reuniones a las que asistí empezaron puntualmente. Y de media, empezaron 12 minutos tarde».

Pero no se detenga ahí. Responda al «¿y qué?» pregunta. En este caso, «Si esas dos semanas son normales, pierdo una hora al día. Y eso le cuesta a la empresa X dólares al año».

Muchos análisis terminan porque no hay un «¿y qué?» Sin duda, si el 80% de las reuniones comienzan unos minutos antes de la hora de inicio prevista, la respuesta a la pregunta original es: «No, las reuniones comienzan prácticamente a tiempo» y no hay necesidad de ir más allá.

Pero este caso exige más, como hacen algunos análisis. Hágase una idea de la variación. Entender la variación conduce a una mejor visión del problema general, a una visión más profunda y a ideas novedosas de mejora. Observe en la imagen que lo normal es que se retrase entre 8 y 20 minutos. Algunas reuniones comienzan justo a tiempo, otras con casi 30 minutos de retraso. Sería mejor si se pudiera juzgar: «Puedo llegar a las reuniones con 10 minutos de retraso, justo a tiempo para que empiecen», pero la variación es demasiado grande.

Ahora pregunte: «¿Qué más revelan los datos?» Me sorprende que cinco reuniones hayan empezado exactamente a tiempo, mientras que todas las demás reuniones hayan empezado con al menos siete minutos de retraso. En este caso, la publicación de las notas de las reuniones revela que las cinco reuniones las convocó el vicepresidente de Finanzas. Evidentemente, empieza todas sus reuniones a tiempo.

Entonces, ¿a dónde va desde aquí? ¿Hay próximos pasos importantes? Este ejemplo ilustra una dicotomía común. A nivel personal, los resultados pasan la prueba de «interesante» e «importante». La mayoría de nosotros daría cualquier cosa por volver una hora al día. Y puede que no pueda hacer que todas las reuniones comiencen a tiempo, pero si el vicepresidente puede, sin duda puede empezar las reuniones que controle con rapidez.

A nivel empresarial, los resultados hasta ahora solo pasan una interesante prueba. No sabe si sus resultados son los típicos ni si otros pueden ser tan duros como el vicepresidente a la hora de iniciar las reuniones. Pero no cabe duda de que hay que analizarlo más a fondo: ¿sus resultados concuerdan con las experiencias de otros en la empresa? ¿Algunos días son peores que otros? ¿Qué empieza más tarde: conferencias telefónicas o reuniones presenciales? ¿Hay alguna relación entre la hora de inicio de la reunión y los asistentes más veteranos? Vuelva al primer paso, plantee el siguiente grupo de preguntas y repita el proceso. Mantenga el enfoque limitado: dos o tres preguntas como máximo.

Espero que se divierta con este ejercicio. Muchos encuentran una alegría primordial en los datos. Enganchado una vez, enganchado de por vida. Pero experimente esa alegría primitiva o no, no se tome este ejercicio a la ligera. Cada vez hay menos lugares para los «analfabetos de datos» y, en mi humilde opinión, no más excusas.