¿Están los líderes y los científicos de datos de su empresa en la misma página?

La búsqueda de una toma de decisiones basada en datos puede hacer que los líderes empresariales tengan ojos de estrella sobre la ciencia de datos, creyendo que la inteligencia artificial en particular puede transformar instantáneamente su negocio. Lo que se necesita es una tensión saludable entre los científicos de datos y los líderes empresariales en torno a lo que es posible y viable para usar los datos para impulsar decisiones clave.

El escenario ideal es que todas las partes estén alineadas. Esto se puede imaginar como un rectángulo perfecto, con las expectativas de los líderes empresariales en la parte superior, totalmente respaldadas por una base de capacidades de ciencia de datos, por ejemplo, cuando la ciencia de datos y la inteligencia artificial pueden lograr el objetivo de la administración de reducir los costos de retención de clientes automatizando la identificación y la extensión a clientes de riesgo.

Considere Target, que a mediados de la década de 2010 tenía ventas planas en las tiendas y una creciente presencia digital. El minorista decidió profundizar en ciencia de datos y capacidades de ingeniería de datos en oportunidades discretas más pequeñas, como la mejora de la disponibilidad de mercancías en el mercado, la reducción del inventario y la mejora de la eficiencia operativa. El resultado fue un gran impulso en la rentabilidad para toda la organización.

El rectángulo codiciado, sin embargo, rara vez ocurre. Una forma más viable es el rombo, que se aproxima al rectángulo esquivo, pero con ángulos sesgados que reflejan el empuje y la atracción de las expectativas y los entregables.

Centro de información

La mentalidad basada en los datos

Patrocinado por SplunkAprovechar el poder de los datos de su empresa.

Desafortunadamente, lo que es mucho más común es la desalineación entre las expectativas en la parte superior de la organización y la base de lo que la ciencia de datos puede ofrecer de manera realista. La mejor imagen mental de esta dinámica es una pirámide invertida. La amplia parte superior refleja las expectativas sobredimensionadas de C-Suite para el impacto de la ciencia de datos. El pequeño punto en la parte inferior representa las capacidades actuales del equipo de ciencia de datos, que a menudo son mucho más modestas y se desarrollan con el tiempo.

En los últimos años, un fabricante de automóviles, por ejemplo, se adentró en la ciencia de datos sobre la fe ciega del liderazgo de que el análisis podría revolucionar la experiencia del conductor. Después de muchos ensayos y errores, los resultados fueron muy lejos de agregar algo significativo a lo que los conductores encontraron valioso detrás del volante de un automóvil.

Además, la pirámide invertida puede reflejar una falta de apreciación de cuán impactantes pueden ser las pequeñas mejoras, por ejemplo, ligeros aumentos en la rentabilidad por cliente o tasas de conversión. Estas modestas ganancias pueden parecer decepcionantes para los líderes sénior que hicieron importantes inversiones en análisis. Sin embargo, si se aplican a una gran cantidad de clientes, esas pequeñas mejoras pueden producir grandes resultados. Además, estas mejoras pueden dar lugar a beneficios en otros lugares, como la eliminación de iniciativas empresariales ineficaces.

La desalineación en torno a las capacidades de la ciencia de datos puede agravarse cuando el lado de ventas de una agencia de marketing o una empresa de consultoría promete demasiado lo que su equipo de datos puede entregar a un cliente corporativo. Por ejemplo, muchas empresas de consultoría hoy en día cuentan con un equipo de análisis que puede ayudar al cliente a hacer algo mejor, como predecir la demanda de un producto existente en un nuevo mercado geográfico. Sin embargo, el equipo del cliente está bajo presión para vender sus servicios de datos; como resultado, la experiencia en pronósticos se vende a los clientes para utilizar el poder de la IA para transformar las estrategias de crecimiento y las hojas de ruta al mercado.

Dentro de una organización, los líderes que aprenden sobre el potencial de la IA para lograr una transformación organizacional a gran escala pueden esperar demasiado del equipo interno de ciencia de datos. A veces, el liderazgo puede empujar al equipo de datos a estirarse. Una empresa Fortune 100 que he estudiado de cerca ha implementado con éxito esta idea creando un centro de excelencia de ciencias de datos, al tiempo que crea una atmósfera competitiva saludable que anima a los científicos de datos a empujarlos unos a los otros para encontrar las mejores herramientas, estrategias y técnicas para resolver problemas y la aplicación de soluciones.

Sin embargo, con mayor frecuencia, la desalineación es una fuente de frustración, no una inspiración. Lo que se necesita son formas de crear una mejor alineación y una mentalidad más productiva. Aquí hay tres pasos para llegar allí:

1. Dé una dosis de realidad—a ambos lados. Considere el ejemplo de un equipo de ciencia de datos con experiencia en la construcción de modelos para mejorar las experiencias de compra de los clientes. Los líderes empresariales pueden asumir que un próximo paso natural es usar IA para mejorar todas las necesidades de servicio al cliente. Lo que claramente se necesita es una mejor comprensión de lo que la IA puede y no puede hacer. La IA y el aprendizaje automático pueden proporcionar resultados algorítmicos, pero eso no necesariamente revela soluciones empresariales ni cómo proceder. La IA no responde «por qué» o «cómo» en la mayoría de los casos; los humanos necesitan hacerlo en función de la salida de IA. No es sólo una cuestión de controlar las expectativas de los líderes. Los científicos de datos también necesitan comprender la realidad detrás de las peticiones de los líderes empresariales para sacarlos de sus zonas de confort y explorar lo que pueden ofrecer para avanzar hacia objetivos más grandes y más amplios.
2. Aprovechar los éxitos y logros del pasado. Hay valor en proyectos de datos pequeños crear capacidades y comprensión y ayudar a fomentar una cultura basada en los datos. Las mejores empresas mantienen las expectativas modestas al principio. Después de ejecutar los proyectos de análisis, llevan a cabo una autopsia brutalmente honesta de los éxitos y fracasos, y construyen iterativamente las expectativas de negocio al mismo tiempo que la inversión en análisis. Esto evita la trampa de pensar que la ciencia de datos es un único esfuerzo que puede o debe resolver cualquier y todas las preguntas de datos.
3. Deja que los científicos de datos hablen. La comunicación en torno a lo que es razonable y entregable dadas las capacidades actuales debe provenir de los científicos de datos, no de la persona de marketing de primera línea en una agencia o del líder de la unidad de negocio. Antes de cualquier contrato o proyecto, los clientes corporativos deben interactuar con los equipos de ciencia de datos de las agencias y empresas consultoras para asegurarse de que las promesas del equipo de ventas se alinean con lo que el equipo de ciencia de datos realmente puede ofrecer. Para facilitar ese intercambio, los científicos de datos deben mejorar su capacidad de «hablar negocios», relacionando proyectos y capacidades específicos con la resolución de problemas empresariales.

A medida que los líderes empresariales y los científicos de datos adquieran una mejor comprensión de las expectativas, objetivos y limitaciones del otro, se desarrollará una asociación de entendimiento mutuo. Con una mejor alineación y una mentalidad más productiva, habrá más oportunidades de utilizar los datos para mejorar la toma de decisiones y lograr mejores resultados.

— Joel Shapiro Via HBR.org