Ayude a su equipo a entender para qué sirven y qué no sirven los datos

Los líderes actuales recurren cada vez más a los macrodatos y a la analítica avanzada con la esperanza de resolver sus problemas más apremiantes, ya se trate de una disminución del número de clientes habituales, un cambio en los patrones de consumo o un intento de llegar a nuevos mercados. Pero cuando se trata de descubrir las motivaciones y la razón de ser de los comportamientos individuales dentro de un sistema social, los datos no pueden hacer mucho. Puede guiar el descubrimiento de un problema, pero no determinará la solución. En otras palabras, el análisis de datos puede decirle qué está sucediendo, pero rara vez se lo dirá por qué. Para reunir de forma eficaz el qué y el por qué, los líderes necesitan combinar las capacidades avanzadas del big data y la analítica con enfoques cualitativos comprobados y verdaderos, como entrevistar a grupos de personas, organizar grupos focales y observar en profundidad. Resolver los comportamientos sociales aún requiere una exploración cualitativa a pequeña escala para involucrar a las personas y obtener más información sobre lo que realmente motiva los comportamientos que aparecen en los datos.

••• Los líderes actuales recurren cada vez más a los macrodatos y a la analítica avanzada con la esperanza de resolver sus problemas más apremiantes, ya se trate de una disminución del número de clientes habituales, un cambio en los patrones de consumo o un intento de llegar a nuevos mercados. La idea predominante es que más datos es mejor, especialmente teniendo en cuenta los avances en las herramientas y tecnologías, como la inteligencia artificial y el análisis predictivo. Pero cuando se trata de descubrir las motivaciones y la razón de ser de los comportamientos individuales dentro de un sistema social, los datos no pueden hacer mucho. Puede guiar el descubrimiento de un problema, pero no determinará la solución. En otras palabras, el análisis de datos puede decirle _qué_ está sucediendo, pero rara vez se lo dirá _por qué_. Para reunir de manera eficaz los [qué y el por qué](https://insight.kellogg.northwestern.edu/article/what-might-be-missing-from-your-analytics-strategy) — un problema y su causa, para encontrar una solución probable, los líderes tienen que combinar las capacidades avanzadas del big data y el análisis con enfoques cualitativos comprobados y verdaderos, como entrevistar a grupos de personas, organizar grupos focales y observar en profundidad. En mis conversaciones con los líderes empresariales sobre cómo utilizan el análisis de datos, me centro principalmente en los sistemas técnicos a gran escala. Aquí es donde los macrodatos y la analítica pueden brillar realmente, en aplicaciones como el mantenimiento predictivo. Empresas industriales, desde ferrocarriles hasta[yacimientos petrolíferos](https://blogs.wsj.com/cio/2018/09/05/chevron-launching-predictive-maintenance-to-oil-fields-refineries/), utilice el análisis predictivo para garantizar un funcionamiento fluido; en lugar de esperar a que se produzca una avería mecánica, el mantenimiento predictivo evita problemas y evita los tiempos de inactividad. Sin embargo, lo que funciona con las locomotoras y las plataformas petrolíferas puede ser mucho menos eficaz cuando se trata de influir en el comportamiento de las personas. Con los sistemas sociales y los comportamientos generados por grandes grupos de personas (quién hace qué y en qué condiciones), es mucho más difícil identificar soluciones a los problemas. Esto apunta a la deficiencia de utilizar el análisis de datos por sí solo para resolver los problemas que surgen del comportamiento individual. Eso no quiere decir que el big data y la analítica no desempeñen un papel importante. Más bien, al entender los puntos fuertes y las limitaciones del uso del big data de esta manera, los líderes pueden emplear las estrategias más eficaces para identificar el qué y el por qué de un problema y cómo resolverlo, y pueden ayudar a sus equipos a aprender a hacer lo mismo. Estas son cinco consideraciones importantes que todos los que trabajan con macrodatos deben entender: 1. **Los datos pueden determinar el «qué» del problema:** El análisis de datos ayuda a determinar los patrones de comportamiento, tanto positivos como negativos, por ejemplo, el éxito de una organización o empresa a la hora de motivar a las personas a participar en determinadas actividades. Los análisis pueden revelar, por ejemplo, que es más o menos probable que cierto tipo de cliente compre un producto en concreto o renueve una suscripción o membresía. Los análisis de datos sofisticados pueden revelar patrones entre grupos grandes y subgrupos más pequeños. 2. **Los datos rara vez revelan el «por qué»:** En conjunto, los comportamientos individuales aparecen en los datos y revelan los patrones entre determinados grupos y grupos demográficos. Pero solo porque los datos muestren, por ejemplo, lo que es probable que haga o no haga una mujer típica de 33 años que gana menos de 100 000 dólares al año y tiene hijos, eso no revelará la _por qué_. Los datos pueden hacer suposiciones; por ejemplo, que un precio era demasiado alto para un cliente en concreto o que un servicio de suscripción relacionado con una actividad de ocio (por ejemplo, una membresía en un gimnasio) ya no atrae a un consumidor con limitaciones de tiempo. También se pueden hacer suposiciones sobre las causas fundamentales de los comportamientos, por ejemplo, por qué los millennials prefieren las empresas que priorizan el impacto social o por qué un subgrupo determinado de empleados tiene un rendimiento inferior. Sin embargo, las suposiciones son solo conjeturas sobre la razón de ser del comportamiento de los demás, no una base fiable para determinar la mejor solución para abordar un problema. 3. **El «por qué» necesita un enfoque cualitativo:** Ya sea que el grupo social incluya a clientes actuales, clientes potenciales, vendedores o cualquier otro grupo de población, la única manera de descubrir el «por qué» es participar con ellos mediante investigaciones cualitativas, como entrevistas, grupos focales y observación. El resultado es un proceso iterativo que comienza con el «quién» y el «qué», que los datos pueden revelar, y pasa al siguiente paso de diagnosticar el «por qué», que los datos no suelen revelar. En el pasado, las empresas contrataban a expertos en investigación cualitativa para que les ayudaran a determinar cómo y por qué los clientes utilizaban determinados productos o se inclinaban por determinadas marcas. Sin embargo, hoy en día, muchos líderes empresariales intentan utilizar los macrodatos y la analítica para automatizar todo el proceso. Sin embargo, las deficiencias del uso de los datos para el diagnóstico de los comportamientos sociales se revelan rápidamente. Por ejemplo, los análisis de las redes sociales pueden identificar a las personas influyentes para segmentos de clientes bien definidos. Pero el verdadero desafío es saber _por qué_ los clientes se sienten atraídos por esas personas influyentes para crear estrategias eficaces que atraigan a los clientes a comprar más o a convertirse ellos mismos en defensores de la marca. 4. **Debe tener en cuenta los factores temporales y de otro tipo:** Otros factores también influyen en el comportamiento, lo que hace que las soluciones sean más difíciles de encontrar y menos probabilidades de que sigan siendo eficaces con el tiempo. Por ejemplo, hace varios años, un club automovilístico descubrió que los automovilistas que tenían tiempos de espera más largos que la media a un lado de la carretera tenían menos probabilidades de renovar sus suscripciones. Basándose en esos datos, la empresa hizo hincapié en la necesidad de reducir los tiempos de espera. Desde entonces, la proliferación de teléfonos inteligentes y otros dispositivos ha dado a las personas formas de entretenerse, lo que ha alterado su percepción del tiempo que esperan. Como resultado, centrarse únicamente en el tiempo de espera hoy en día (a diferencia de otros factores, como los precios y la calidad) ha demostrado ser menos eficaz para reducir la pérdida de clientes entre los miembros de los clubes automovilísticos. 5. **Necesita pruebas rigurosas para encontrar la solución adecuada:** Con la combinación del análisis de macrodatos y la investigación cualitativa a pequeña escala, las organizaciones pueden obtener una visión más profunda de los problemas y sus causas, lo que puede ayudar a fundamentar las soluciones que probablemente produzcan el resultado deseado. La mejor manera de saber la eficacia de una solución es realizar pruebas aleatorias con dos grupos similares: uno al que se le ofrece la solución y otro al que no. El análisis de los datos de este experimento revelará si la solución resuelve realmente el problema. Aunque los experimentos aleatorios pueden resultar caros y complejos, el análisis de datos implica cerrar el círculo del proceso y, a menudo, se amortiza solo en términos de rentabilidad de la inversión. Los análisis de datos son más eficaces como parte de un proceso general de identificación, exploración y pruebas, pero no son la única herramienta para la tarea. Resolver los comportamientos sociales aún requiere una exploración cualitativa a pequeña escala para involucrar a las personas y obtener más información sobre lo que realmente motiva los comportamientos que aparecen en los datos.