Cómo asegurarse de que no utiliza los datos solo para justificar las decisiones que ya ha tomado

¿Cómo puede una organización saber si realmente deja que los datos informen su toma de decisiones o si se limita a utilizar análisis superficiales para justificar las decisiones retroactivamente? Tradicionalmente, las organizaciones utilizaban el análisis de datos como una herramienta de retrospección, para responder a preguntas como: «¿Esta campaña de marketing llegó al público deseado?» o «¿Quiénes fueron nuestros clientes más valorados durante el último año?» Estos análisis son innegablemente importantes, pero en las organizaciones que se basan realmente en los datos, los KPI se generan en el iniciar de un proceso de toma de decisiones. Más precisamente, preguntas empresariales clave (KBQ) — de los que los KPI son una extensión— son la piedra angular del éxito de una empresa. Si bien ningún tema o línea de consulta debería estar prohibido, puede empezar con preguntas como: «¿Podemos predecir qué clientes corren el mayor riesgo de cambiarse a un competidor y diseñar programas para reducir ese riesgo?» «¿Podemos identificar el precio óptimo para nuestra marca a fin de maximizar el crecimiento con un nivel de rentabilidad determinado?» O: «¿Podemos replantearnos la forma en que nos comunicamos con nuestros clientes objetivo en toda nuestra cartera de productos?»

••• ¿Cómo puede una organización saber si realmente deja que los datos informen su toma de decisiones o si se limita a utilizar análisis superficiales para justificar retroactivamente las decisiones que ya ha tomado? Tradicionalmente, las organizaciones utilizaban el análisis de datos como una herramienta de retrospección, para responder a preguntas como: «¿Esta campaña de marketing llegó al público deseado?» o «¿Quiénes fueron nuestros clientes más valorados durante el último año?» o «¿La participación alcanzó su punto máximo a intervalos regulares a lo largo del día o de la semana?» Estas respuestas suelen basarse en métricas (o indicadores clave de rendimiento (KPI), como las tasas de clics, el coste por impresión y los puntos de valoración brutos, que las empresas suelen decidir demasiado tarde en el proceso. Estos análisis descriptivos, es decir, los análisis que miden lo que ya ha sucedido, son innegablemente importantes. Pero solo son un actor secundario en el drama mucho más extenso que es la toma de decisiones basada en datos. En las organizaciones que se basan realmente en los datos, los KPI no se sacan arbitrariamente de la nada, sino que se generan en el _iniciar_ de un proceso de toma de decisiones. Más precisamente, no se trata de los KPI de una organización, sino del _preguntas empresariales clave (KBQ) —_ de los que los KPI son una extensión_—_ que son la piedra angular de su éxito. En su artículo de HBR[_Big Data: la revolución de la gestión_](/2012/10/big-data-the-management-revolution), Andrew McAfee y Erik Brynjolfsson llegaron a una conclusión similar y escribieron: «Las empresas triunfan en la era del big data no solo porque tienen más o mejores datos, sino porque tienen equipos de liderazgo que se fijan objetivos claros, definen lo que es el éxito y _hacer las preguntas correctas_.” Sin embargo, llegar a «las preguntas correctas» es más fácil decirlo que hacerlo, ya que cualquier investigación debe ir más allá de «¿Qué dicen los datos?» En mi agencia, nuestras preguntas frecuentes provienen de un riguroso proceso de cuatro pasos que nos obliga a aprovechar los datos _en todo momento_ las fases de planificación de nuestras campañas de marketing. Aunque su aplicabilidad específica puede variar ligeramente de un sector a otro, nuestro proceso proporciona un modelo muy práctico para implementar el análisis de datos de una manera proactiva y transformadora; uno que guía la toma de decisiones en lugar de justificarla. **Primer paso: Defina su propósito.** Al principio de cada ciclo de planificación, una organización debe hacer un esfuerzo concertado para involucrar a las partes interesadas de todos los ámbitos de su negocio en un debate amplio con el objetivo de definir el propósito de la campaña. Esto comienza con centrarse metódicamente en los desafíos que está intentando resolver. ¿Está intentando mejorar el índice de satisfacción de los clientes? ¿Cultivar la lealtad a largo plazo entre un subconjunto específico de clientes? ¿Aumentar el número de productos que se envían desde un almacén determinado? No dude en cuestionar el status quo y, cuando proceda, en desmantelarlo. Un historial de maximización de las páginas vistas no es en sí mismo una razón de peso para fijar un objetivo renovado de maximizar las páginas vistas. Dé un paso atrás, estudie el panorama (tanto interno como externo) y considere detenidamente si ha definido su propósito de acuerdo con algo que no sea la fuerza del hábito. **Segundo paso: Sumérjase en los datos.** Una vez que la organización haya identificado su propósito, debería realizar una encuesta exhaustiva sobre lo que ya sabe que es cierto. Esta es la etapa en la que una organización debe responder: «¿Qué dicen los datos?» Dicho esto, debería hacerlo con una mentalidad claramente progresista. En esta etapa del proceso, una organización debería interesarse poco en evaluar (y menos aún en justificar) las decisiones pasadas. Todo su interés debería centrarse en la forma en que sus datos pueden informar su comprensión de lo que es probable que suceda en el futuro. Al igual que la etapa anterior, la segunda es muy colaborativa. En busca de una colaboración amplia, una organización debería democratizar sus datos en la mayor medida posible y ponerlos en manos de expertos y no expertos por igual. No todos los miembros de su organización van a tener un doctorado en matemáticas o una formación profesional en ciencias de datos, pero esto no impide que nadie se ensucie las manos con sus datos; al fin y al cabo, no es necesario entender cómo funciona una herramienta para apreciar y aprovechar su utilidad. Garantizar que las partes interesadas de la organización lleguen a un entendimiento mutuo no solo de los hechos, sino también de su importancia, es fundamental para el éxito del resto del proceso. **Tercer paso: generar preguntas empresariales clave.** Mientras que la etapa anterior lleva a la organización al límite de su conocimiento organizacional, esta etapa la hace caer en lo desconocido. Con un objetivo y un conjunto de suposiciones acordadas en la mano, la organización tiene todo lo que necesita para empezar a plantear preguntas de KBQ o líneas de investigación que la impulsen desde «¿Qué queremos lograr?» a «¿Qué necesitamos saber para lograrlo?» Utilizando el lenguaje preciso para definir el propósito que estableció durante la fase inicial, una organización ahora debería retar a las partes interesadas a hacer tantas preguntas como se les ocurra, primero de forma individual y luego en equipo. Preguntas buenas, malas preguntas, preguntas evidentes, preguntas poco realistas, no importa. El objetivo es la cantidad, no la calidad. Si bien ningún tema o línea de consulta debería estar prohibido, una organización podría empezar con lo siguiente: - ¿Podemos predecir qué clientes corren el mayor riesgo de cambiarse a un competidor y diseñar programas para reducir ese riesgo? - ¿Podemos predecir qué clientes tienen más probabilidades de probar y, posteriormente, adoptar nuestra marca y diseñar estrategias de promoción multicanal para llegar a ellos de la manera más eficaz? - ¿Podemos identificar el precio óptimo para nuestra marca a fin de maximizar el crecimiento con un nivel de rentabilidad determinado? - ¿Podemos replantearnos la forma en que nos comunicamos con nuestros clientes objetivo de toda nuestra cartera de productos entendiendo las combinaciones de productos que más suelen comprar los mismos clientes? En muchos casos, esa curiosidad sin restricciones requiere fingir cierto grado de ignorancia, es decir, fingir que no sabe lo que sabe o fingir que sus datos no existen. Esto puede ser una especie de acto de cuerda floja, especialmente para las organizaciones que son nuevas en el análisis de datos, pero rinde inmensos dividendos si se ejecuta correctamente. La creatividad y la innovación son fundamentales en esta fase de la generación de KBQ, y ceñirse demasiado a los datos existentes es una receta para lo contrario. Con un fin similar, puede ser valioso tomar los KBQ que genere e «invertirlos». Así como dibujar un objeto boca abajo puede ayudar al artista a reproducir su imagen con mayor precisión, reescribir las KBQ en negativo puede producir más «¡Ajá!» momentos de los que surgirían de otro modo. Considere la siguiente progresión hipotética por la que podría pasar una empresa farmacéutica: _Propósito:_ Aumentar la adherencia a la medicación entre los pacientes a los que se les ha recetado el fármaco X. _KBQ:_ ¿A qué métodos de divulgación responden los pacientes no adherentes de manera más fiable? _KBQ invertido:_ ¿Qué métodos de divulgación utilizan los pacientes no adherentes? _no_ ¿responder a? Este ligero cambio de perspectiva puede cambiar las reglas del juego. Como cualquier actividad relacionada con el comportamiento humano, el marketing es una ciencia inexacta y no se puede exagerar el valor de limitar sus esfuerzos estratégicamente. La incertidumbre es mucho más apetecible —y mucho menos problemática— cuando sabe con precisión dónde existe que cuando impregna toda su operación. En los negocios, las incógnitas conocidas son preferibles a las incógnitas desconocidas. **Cuarto paso: Priorice sus principales cuestiones empresariales.** Solo después de que una organización haya compilado una lista exhaustiva de preguntas frecuentes, debería empezar a evaluarlas, criticarlas y priorizarlas. En la práctica, algunos KBQ son muy procesables, pero carecen del claro potencial de generar un impacto empresarial, mientras que otros tienen el potencial de revolucionar su negocio, pero son muy inaccionables. Las quimeras, las curiosidades y las mejoras graduales son todas valiosas desde el punto de vista situacional, pero centrarse en la búsqueda de KBQ de gran valor, en última instancia, generará resultados significativos. **Transformar un mecanismo de defensa en un agente de cambio.** Es tentador situar el análisis de datos en un momento discreto de los procesos operativos, pero la realidad es que los datos no son algo que se utilice de forma periódica ni dentro de silos estrictos basados en proyectos. Para obtener resultados reales, una organización debe utilizar el análisis de datos _en todo momento_ su ciclo económico. Los análisis descriptivos actuales son la base de los procesos de planificación del futuro orientados a la KBQ, que a su vez son la base de un resumen analítico con visión de futuro que detalle _cómo_ una organización va a responder a sus valiosos KBQ. Es esta arquitectura de toma de decisiones cíclica y que se informa mutuamente la que acelera la transformación organizacional e interrumpe su obsesión por el espejo retrovisor. Como el físico Niels Bohr, ganador del Premio Nobel, una vez[bromeó](https://en.wikiquote.org/wiki/Niels_Bohr), «Un experto es un hombre que ha cometido todos los errores que se pueden cometer en un campo muy limitado». En ningún lugar es esto más cierto que en los negocios. Un programa de análisis de datos bien concebido permite a las organizaciones redirigir su enfoque de justificar las decisiones del pasado a aprender de los errores del pasado. Cuanto antes den las organizaciones este giro, antes disfrutarán de las ventajas de una toma de decisiones realmente basada en los datos.