Qué ocurre cuando los científicos de datos y los diseñadores trabajan juntos

Crosailes/Getty Images

Rise Science acudió a IDEO con un desafío. La joven empresa emergente había creado una sólida plataforma de datos para que los atletas universitarios y profesionales pudieran hacer un seguimiento de su sueño y ajustar su comportamiento para que jugaran al máximo rendimiento. Pero para los jugadores, la experiencia fue un desafío. Rise esperaba que los atletas consultaran tablas y gráficos basados en datos para determinar qué decisiones tomar a continuación, pero los jugadores se esforzaron por encontrar esa información. Rise estaba convencido de que solo necesitaban tablas y gráficos más fáciles de leer.

Cuando los diseñadores de IDEO y los científicos de datos de Rise pasaban tiempo con jugadores y entrenadores, descubrieron que Rise no tenía un problema de visualización de datos, sino un problema de experiencia de usuario. Los cuadros y gráficos eran mucho menos importantes que saber cuándo ir a dormir cada noche y cuándo despertarse a la mañana siguiente. En unas semanas, los cuadros y gráficos pasaron a segundo plano en la aplicación y un despertador y una herramienta de chat ocuparon un lugar central.

La aplicación Rise Science, antes (izquierda) y después (derecha) del diseño basado en la investigación del usuario.

En los 18 meses transcurridos desde el relanzamiento de su servicio, Rise Science ha inscrito a más de 15 de los equipos deportivos profesionales y universitarios más elitistas, así como a varias empresas que esperan mejorar el rendimiento y el bienestar de los empleados mediante mejores hábitos de sueño.

Este ejemplo muestra cómo la ciencia de datos centrada en las personas puede resultar de equipos interdisciplinarios que incorporen el pensamiento de diseño en su enfoque. En lugar de una versión de la ciencia de datos que se centre exclusivamente en investigar nuevos modelos estadísticos o crear mejores visualizaciones de los datos, un enfoque basado en el diseño reconoce a los científicos de datos como solucionadores creativos de problemas. No estamos sugiriendo que las disciplinas de la ciencia de datos y el diseño se fusionen, sino que si los profesionales trabajan juntos y aprenden el arte de los demás, obtendrán mejores resultados.

Muchas de las técnicas que utilizamos en nuestro proceso de diseño centrado en las personas en Ideo (investigación de usuarios, inspiración análoga, bocetos y creación de prototipos) funcionan bien con productos, servicios y experiencias basados en datos.

Investigación de usuarios

Los datos por sí solos son inertes, tontos, materia prima. Hacer las cosas inteligentes implicará diseñar con los datos de una manera que refleje y responda al comportamiento funcional, social y emocional de los usuarios. Si empieza con las necesidades y los conocimientos de las personas en lugar de liderar con los datos, puede obtener información mediante la combinación de la investigación cualitativa del diseño y el análisis exploratorio de los datos. Este enfoque híbrido puede cambiar radicalmente la experiencia del usuario para mejor y ser un verdadero diferenciador.

Por ejemplo, Rise e IDEO visitaron a atletas universitarios en dormitorios e instalaciones de entrenamiento para comprender en profundidad sus necesidades diarias, una práctica común de pensamiento de diseño conocida como investigación de usuarios. Hemos observado que casi todos los componentes de la vida del jugador están programados, medidos y optimizados. Darles más datos para digerir era simplemente pedir demasiado. También nos enteramos de que la experiencia de incorporación y los puntos de contacto del servicio, como el entrenamiento del sueño en el momento, eran tan importantes para el éxito de los atletas como los datos visuales relacionados con su sueño.

Los científicos de datos ven el mundo de una manera única, pero solo pueden aprovechar ese punto de vista cuando tienen la oportunidad de salir al mundo y pasar tiempo con los seres humanos. La participación de los científicos de datos en la investigación del diseño produce información poderosa y, lo que es más importante, desbloquea la empatía por las personas a las que afectarán los motores de datos que desarrollen.

Inspiración análoga

La inspiración análoga es otra técnica de pensamiento de diseño que los científicos de datos pueden añadir a su conjunto de herramientas. Ese enfoque fue la clave del éxito de un proyecto con Procter & Gamble. Cuando la organización global despliega nuevas tecnologías, invita a 50 empleados clave a una cumbre de formación de dos días. Cuando esos empleados regresen a casa, se les encarga enseñar la tecnología a otros. Si bien la formación en sí misma fue eficaz, el proceso de selección manual de los empleados clave fue complicado. Resulta que las personas que fueron elegidas no tenían la influencia suficiente como para difundir sus nuevos conocimientos por toda la empresa.

Nuestro equipo de ciencia de datos encontró una inspiración análoga en la investigación sobre cómo se propagan las enfermedades a través de las redes sociales. En la mayoría de los casos de epidemiología, nos interesa interrumpir y prevenir la propagación de una enfermedad. En este caso, queríamos que la enfermedad (una nueva tecnología) se propagara lo más rápido posible por el tejido social de Procter & Gamble. Queríamos diseñar una pandemia tecnológica.

El modelo epidemiológico nos permitió descubrir que los empleados cuidadosamente seleccionados, aunque estaban cerca de los altos directivos, tenían una ubicación demasiado céntrica como para difundir algo nuevo de manera significativa por toda la organización. Le sugerimos un enfoque diferente: seleccionar participantes que estuvieran distribuidos por toda la organización, pero ubicados estratégicamente para difundir la tecnología en el tejido social de la organización. Probamos cientos de millones de combinaciones de personas que estaban mejor posicionadas para colectivamente difundir esta nueva tecnología. La iniciativa tuvo tanto éxito que el grupo de embajadores resultante se ha reutilizado para varios otros programas de gestión del cambio.

Bosquejo y creación de prototipos

Los científicos de datos pueden utilizar bocetos o prototipos para obtener los comentarios de los usuarios, igual que lo hacen los diseñadores de productos. Aunque hay una niebla de ambigüedad que se extiende durante la fase de análisis exploratorio de datos, utilizar el truco del diseñador de hacer que los datos sean visuales ayuda al cerebro a ver patrones que sugieren algunas formas de avanzar.

La clave aquí es no tener miedo de repetir: un patrón puede llevarlo a observar los datos de una manera determinada, lo que, entonces, hace que mire los patrones desde una perspectiva completamente nueva. También puede optar por volver al análisis exploratorio de datos para cambiar de dirección o cambiar de dirección por completo. Empiece con mucho escepticismo, ya que los datos pueden estar sucios o faltar campos, lo que indica patrones que están fuera de curso.

En otro proyecto de Procter & Gamble, por ejemplo, empezamos con bocetos sencillos que se compartían con las principales partes interesadas para obtener su opinión. Antes de escribir una línea de código, podíamos aprender el aspecto que tendría una interfaz atractiva.

Crear un equipo de ciencia de datos es difícil y caro, por lo que no sorprende que la mayoría de las empresas encarguen a estos equipos únicamente el «trabajo de ciencia de datos». Pero involucrar a los científicos de datos en todas las etapas del proceso de pensamiento de diseño dará sus frutos de maneras incalculables. La colaboración interdisciplinaria que aleja a los científicos de datos de sus pantallas y los lleva al mundo produce resultados potentes. Transforma los datos de una herramienta rudimentaria para medir su negocio en una herramienta sofisticada que ayuda a su empresa a crecer.