La toma de decisiones basada en datos es el uso de datos y métricas para guiar las decisiones estratégicas de una organización y que estas se alineen con sus metas, objetivos e iniciativas.
Hoy en día, la intuición ha pasado a un segundo plano, y el hecho de tomar decisiones basadas en datos es un pilar fundamental en cualquier tipo de compañía. Cuantas más soluciones seamos capaces de ofrecer en base a los datos, mayor ventaja competitiva tendremos respecto a nuestros competidores. Y, para ello, hay tres puntos fundamentales que debemos tener en cuenta para generar esa ventaja competitiva:
En primer lugar, estaría el qué sabemos: cuantas más fuentes de datos tenga nuestra organización y mayor volumen de información podamos almacenar, mejor será nuestro conocimiento y nuestro posicionamiento.
En segundo lugar, el cómo los utilizamos: es clave hacernos las preguntas adecuadas para que los datos piensen por nosotros.
Y, por último, la rapidez con la que pensamos: tener un gran volumen de datos no es suficiente ni efectivo si no están perfectamente estructurados y procesados.
Sin embargo, para muchas empresas sigue siendo difícil alcanzar una cultura sólida basada en datos, y los datos rara vez son la base universal para la toma de decisiones. Y, ¿Por qué es tan difícil? porque las mayores barreras para crear empresas basadas en datos no son técnicos, sino culturales.
¿Cuáles son los diez pasos principales para crear una cultura basada en datos?
1. La cultura basada en los datos comienza en el nivel ejecutivo más alto de la organización
Las empresas con una fuerte cultura basada en los datos tienen altos directivos que esperan que las decisiones se basen en dichos datos.
2. Elegir las métricas con detenimiento y precisión
Los líderes pueden ejercer un efecto poderoso en el comportamiento eligiendo ingeniosamente qué medir y qué métricas esperan que utilicen los empleados.
3. No encasillar a los científicos de datos
Los científicos de datos a menudo son secuestrados dentro de una empresa, con el resultado de que ellos y los líderes de la organización saben muy poco el uno del otro. Por ello, debemos hacer que los límites entre el negocio y los científicos de datos sean altamente porosos.
4. Solucionar rápidamente los problemas básicos de acceso a los datos
Las organizaciones líderes usan una estrategia simple para romper este atasco. En lugar de programas o arquitecturas de datos enormes, pero lentos, para reorganizar todos sus datos otorgan acceso universal a sólo algunos datos e indicadores clave a la vez.
5.- Cuantificar la incertidumbre
La mayoría de los gerentes siguen pidiendo respuestas a sus equipos sin una medida de confianza correspondiente. Exigir a los equipos que sean explícitos y cuantitativos sobre sus niveles de incertidumbre tiene tres efectos:
- Obliga a los encargados de tomar decisiones a lidiar con posibles fuentes de incertidumbre.
- Los analistas adquieren una comprensión más profunda de sus modelos.
Y por último, el énfasis en la comprensión de la incertidumbre
empuja a las organizaciones a ejecutar experimentos.
6.- Hacer pruebas de concepto simples y robustas, no elegantes y frágiles
En analítica, las ideas prometedoras superan en gran medida a las prácticas. Por ello, un mejor enfoque es diseñar pruebas de concepto donde una parte central del mismo es su viabilidad en la producción.
7.- La capacitación especializada debe ofrecerse justo a tiempo
Muchas empresas invierten en actividades de capacitación solo para que los empleados olviden rápidamente lo que han aprendido si no lo han puesto en práctica de inmediato.
Así pues, si bien las habilidades básicas, como la codificación, deben formar parte de la capacitación fundamental, es más eficaz capacitar al personal en conceptos analíticos y herramientas justo antes de que se necesiten.
8.- Utilizar la analítica para ayudar a los empleados, no solo a los clientes
Debemos empoderar a los empleados para que ellos mismos discutan sobre los datos. Si la idea es aprender nuevas habilidades para manejar mejor los datos, pocos empleados se entusiasmarán lo suficiente como para perseverar y renovar su trabajo.
9.- Estar dispuestos a negociar con flexibilidad para lograr coherencia, al menos a corto plazo
Muchas empresas que dependen de los datos albergan diferentes «tribus de datos». Esto puede suponer un desastre al tratar de conciliar diferentes versiones de una misma métrica que debería ser universal. Las empresas deberían elegir métricas estandarizadas y lenguajes de programación comunes.
10.-Lograr el hábito de explicar las opciones analíticas
Para la mayoría de los problemas analíticos, rara vez hay un enfoque único y correcto. Por ello, una buena idea es preguntar a los equipos cómo abordaron un problema, qué alternativas consideraron, cuáles eran las ganancias y por qué eligieron un enfoque sobre otro.
