Introducción a las decisiones basadas en datos para gerentes a los que no les gustan las matemáticas

No pasa una semana sin que publiquemos algo aquí en HBR sobre el valor de los datos en los negocios. Big data, datos pequeños, internos, externos, experimentales, observacionales: dondequiera que miremos, la información se captura, cuantifica y utiliza para tomar decisiones empresariales.

No todo el mundo tiene que volverse cuante. Pero vale la pena repasar los conceptos básicos del análisis cuantitativo, para comprender y mejorar el uso de los datos en tu negocio. Hemos creado una lista de lectura de los mejores artículos de HBR sobre el tema para que puedas empezar.

Por qué son importantes los datos

Las empresas aspiran los datos para tomar mejores decisiones sobre todo, desde el desarrollo de productos y publicidad a contratando. En su Función 2012 sobre big data, Andrew McAfee y Erik Brynjolfsson describen la oportunidad e informan que «las empresas del tercio más alto de su sector en el uso de la toma de decisiones basadas en datos fueron, en promedio, un 5% más productivas y un 6% más rentables que sus competidores», incluso teniendo en cuenta varios factores de confusión.

Esto no debería sorprendernos, argumenta McAfee en un par de publicaciones recientes. Los datos y los algoritmos tienden a superar a la intuición humana en un amplia variedad de circunstancias.

Elegir las métricas correctas

«Hay una diferencia entre números y números que importan», escriben Jeff Bladt y Bob Filbin en un post del año pasado. Uno de los pasos más importantes para empezar a tomar decisiones con los datos es elegir las métricas correctas. Las buenas métricas «son consistentes, baratas y rápidas de recopilar». Pero lo más importante es que deben capturar algo que le importa a su empresa.

La diferencia entre análisis y experimentos

Los datos pueden provenir de todo tipo de fuentes, incluidas encuestas a clientes, software de inteligencia empresarial e investigaciones de terceros. Una de las distinciones más importantes que hay que hacer es entre análisis y experimentos. El primero proporciona datos sobre lo que sucede en una empresa, el segundo pone a prueba activamente diferentes enfoques con diferentes segmentos de consumidores o empleados y mide la diferencia de respuesta. Para obtener más información sobre para qué se pueden utilizar los análisis, lea el artículo de Thomas Davenport sobre HBR 2013 Análisis 3.0. Para obtener más información sobre cómo ejecutar experimentos exitosos, prueba estos dos artículos.

Formule las preguntas correctas sobre los datos

Aunque el análisis estadístico se dejará a los analistas cuantitativos, los gerentes tienen un papel fundamental que desempeñar al principio y al final del proceso, enmarcando la pregunta y analizando los resultados. En el Artículo 2013 Mantente al día con tus cuantes, Thomas Davenport enumera seis preguntas que los directivos deberían hacer para rechazar las conclusiones de sus analistas:

1. ¿Cuál fue la fuente de tus datos?

2. ¿Qué tan bien representan los datos de la muestra a la población?

3. ¿La distribución de datos incluye valores atípicos? ¿Cómo afectaron a los resultados?

4. ¿Qué supuestos hay detrás de su análisis? ¿Es posible que ciertas condiciones dejen de ser válidas tus suposiciones y tu modelo?

5. ¿Por qué decidiste ese enfoque analítico en particular? ¿Qué alternativas consideraste?

6. ¿Qué probabilidad hay de que las variables independientes estén causando los cambios en la variable dependiente? ¿Podrían otros análisis establecer la causalidad con mayor claridad?

El artículo también ofrece una introducción sobre cómo encuadrar preguntas de datos. Para una breve guía sobre cómo pensar como un científico de datos, prueba este post sobre la aplicación de un razonamiento estadístico muy básico al ejemplo cotidiano de las reuniones.

Correlación vs. causa y efecto

La frase «la correlación no es causalidad» es algo común, pero no es tan fácil averiguar qué implica en el contexto empresarial. ¿Cuándo es razonable actuar sobre la base de una correlación descubierta en los datos de una empresa?

En este post, Thomas Redman examina el razonamiento causal en el contexto de su propia dieta, para dar una idea de cómo funciona la causa y el efecto. Y David Ritter de BCG ofrece un marco para decidir cuándo la correlación es suficiente para actuar. aquí:

Cuanto más frecuente sea la correlación y menor sea el riesgo de equivocarse, más sentido tiene actuar basándose en esa correlación.

Conozca los conceptos básicos de la visualización de datos

Regla #1: No más círculos de basura. Para decidir cuál es la mejor forma de mostrar tus datos, pregunta estas cinco preguntas. Asegúrate de navegar por algunas de las mejores infografías de todos los tiempos. Y antes de presentar tus datos a la junta, consulta esta serie sobre persuadir con datos. (No olvides contar una buena historia).

Aprender estadísticas

Hace un par de años, Davenport declaró en HBR que los científicos de datos tienen el trabajo más sexy del siglo XXI. ¿Su consejo para el resto de nosotros? Si no tienes un conocimiento pasajero de las estadísticas introductorias, podría valer la pena un repaso.

Eso no tiene por qué significar volver a la escuela, como aconseja Nate Silver en una entrevista con HBR. «El mejor entrenamiento casi siempre va a ser el entrenamiento práctico», dice. «Creo que ensuciarse las manos con el conjunto de datos es mucho mejor que dedicar demasiado tiempo a leer y demás».

— Escrito por Walter Frick