5 principios esenciales para entender la analítica

PERSONAL DE HBR

Estoy convencido de que el ingrediente que más escasea para el uso eficaz de los datos y el análisis es que los directivos entiendan lo que es posible. Los datos, el hardware y el software están disponibles en masa, pero la comprensión humana de las posibilidades que ofrecen es mucho menos común. Dado ese problema, hay una gran necesidad de más educación sobre este tema. Y usted Lamentablemente, no hay muchas otras buenas opciones para los gerentes no cuantitativos que quieren aprender sobre la analítica. Los MOOC y los cursos académicos tradicionales se centran principalmente en los métodos. Y aunque hay muchos programas ejecutivos de «Contabilidad y finanzas para gerentes no financieros», no hay ninguno que conozca sobre «Análisis para gerentes no cuantitativos».

He diseñado o enseñado programas de análisis para directivos de Babson, Harvard, el MIT, la Universidad de Boston y el University College de Cork, así que tengo algunas opiniones sobre el contenido que debe incluirse. Si es un consumidor potencial de programas como estos, asegúrese de que el que se suscribe tiene los componentes sobre los que leerá más adelante. O haga una lectura específica en estas áreas.

Identificar y encuadrar el problema analítico: Un análisis cuantitativo adecuado empieza por reconocer un problema o una decisión y empezar a resolverlo. En el análisis de decisiones, este paso se denomina encuadre y es una de las partes más importantes de un buen proceso de decisión. Hay varias fuentes que conducen a este primer paso, como la curiosidad pura (el sentido común del gerente o la observación de los acontecimientos), la experiencia en el trabajo o la necesidad de tomar una decisión o acción.

En esta fase inicial, la analítica aún no ha entrado en juego. La decisión de seguir adelante con algún tipo de análisis puede estar impulsada por un presentimiento o una intuición. El nivel de evidencia en este momento es bajo. Por supuesto, el objetivo de un análisis cuantitativo es, eventualmente, poner a prueba su presentimiento con los datos. (Y esa es la principal diferencia entre los pensadores analíticos y otros: ponen a prueba sus presentimientos con pruebas y análisis).

Lectura adicional

• 

  Keeping Up with the Quants

  Gestionarse a sí mismo Libro

  Thomas H. Davenport y Jinho Kim

  30.00

  View Details

En lo que los directivos deben centrarse en la fase de elaboración es en identificar y evaluar el problema de forma sistemática y en que han considerado encuadres alternativos. Sería útil hablar del tema con analistas cuantitativos que tengan una idea de cómo se podrían aplicar marcos alternativos. (Si quiere saber más sobre cómo encuadrar un problema analítico, he escrito un capítulo entero sobre ello en mi libro, Mantenerse al día con los cuantitativos.)

Trabajar con personas cuantitativas: A propósito de los analistas cuantitativos, es muy importante que los gerentes establezcan una estrecha relación de trabajo con ellos. Usted entiende el problema empresarial; su «cuantitativo» entiende cómo recopilar datos sobre ellos y analizarlos. Para que esta relación funcione, cada parte tiene que tender la mano a la otra. Usted, como gerente mayoritariamente no cuantitativo, necesita ayudar a su analista a entender su problema a fondo, tal vez haciendo que trabaje en el área correspondiente de la empresa durante varios días. Su cuantificador necesita comunicarse con usted en el lenguaje normal de los negocios, abordar su problema y trabajar en ello hasta que esté satisfecho. Puede que su analista no sea muy bueno en la interacción con los gerentes y puede que se deje intimidar por el análisis cuantitativo. Pero de alguna manera necesita encontrar puntos en común.

Comprender los diferentes tipos de datos y sus implicaciones: Hoy en día, oirá hablar mucho sobre el big data y lo valioso que puede ser para su empresa. Pero la mayoría de los directivos no entienden realmente la diferencia entre big data y small data y utilizan el término «big data» de forma indiscriminada. La forma en que hace referencia a sus datos no importa mucho, pero es importante conocer las diferencias entre los distintos tipos.

Los datos pequeños —que, a pesar de su nombre, son extremadamente útiles— son datos de un tamaño manejable (pueden caber en un solo servidor), que ya están estructurados (filas y columnas) y que cambian con relativa poca frecuencia. Lo más probable es que provenga de los sistemas de transacciones de su organización, como los sistemas financieros, el CRM o la gestión de pedidos. Es probable que este tipo de datos se hayan analizado durante muchos años. No tiene mucha prensa hoy en día, pero es esencial para conocer a sus clientes, entender el desempeño financiero de su empresa y ajustar su cadena de suministro.

El big data es rebelde. Es demasiado grande para caber en un solo servidor, está relativamente desestructurado y se mueve rápido. Es más probable que tenga que ver con el mundo fuera de sus transacciones comerciales: lo que dicen sus clientes y posibles clientes en las redes sociales, lo que dicen a los representantes de su centro de llamadas y cómo se mueven por su tienda. Los macrodatos ofrecen grandes oportunidades, pero a menudo es un desafío convertirlos en una forma estructurada que pueda analizarse fácilmente. Si quiere dedicarse a ello, su pareja cuantitativa probablemente tenga que ser un científico de datos.

Comprender los diferentes tipos de análisis y sus implicaciones: Durante muchos años, la gran mayoría de los análisis fueron descriptivos: informes o paneles simples con números sobre lo que había ocurrido en el pasado. Pero ese no es el único tipo que existe. La analítica predictiva utiliza modelos estadísticos de datos sobre el pasado para predecir el futuro. Los análisis prescriptivos crean recomendaciones sobre cómo los trabajadores pueden tomar decisiones en sus puestos de trabajo. La mayoría de los directivos necesitan que se les inste a adoptar los análisis predictivos y prescriptivos, menos conocidos, que suelen ser mucho más valiosos que los descriptivos. Hace unos años, hice un vídeo explicando la diferencia entre el análisis descriptivo, predictivo y prescriptivo, que será útil para los gerentes que necesitan un repaso. Siguen siendo muy importantes, pero ahora me centro cada vez más en un nuevo tipo: la analítica automatizada. Estas decisiones analíticas no las toman los humanos, sino los ordenadores. Muchas decisiones analíticas comunes, como las sobre la emisión de créditos por parte de los bancos o las pólizas de seguro, se toman de forma totalmente automática. Presagian muchos cambios en la forma en que organizamos y gestionamos la analítica en las empresas, e incluso podrían representan una amenaza para los puestos de muchos responsables de la toma de decisiones.

Explorando los usos internos y externos de la analítica: Por último, los gerentes deben conocer la distinción entre los usos internos y externos de la analítica. Históricamente, la analítica se utilizaba casi exclusivamente para apoyar las decisiones internas. Eso sigue siendo útil, por supuesto, pero ahora las empresas también utilizan los datos y el análisis para crear nuevos productos y servicios. Y no son solo los actores digitales que cabría esperar, como Google y LinkedIn; las principales firmas como GE, Monsanto y varios grandes bancos buscan estos «productos de datos». Esta es una nueva opción para las organizaciones que los directivos deben entender y explorar.

Comprender estos fundamentos no lo convertirá en un experto en análisis, pero sí lo convertirá en un consumidor más eficaz de este importante recurso. Y en el mundo empresarial actual, desconocer los análisis puede ser peligroso para su prosperidad y la de su empresa.