La mayoría de los proyectos de análisis no requieren muchos datos

Los proyectos de datos pequeños implican que equipos de un puñado de empleados aborden los problemas en sus lugares de trabajo locales mediante conjuntos de datos pequeños. Están muy centrados y utilizan métodos analíticos básicos que son accesibles para todos. Los proyectos de datos pequeños desarrollan la fuerza de datos de la organización, lo que ayuda a toda la empresa a aprender lo que se necesita para tener éxito con los datos y a fomentar el tipo de cultura que exigen los macrodatos. Y pueden generar beneficios financieros de entre 10 000 y 250 000 dólares al año por proyecto.

Sin embargo, muchos directivos y líderes no piensan en priorizar los datos pequeños por encima de la ciencia de datos, el aprendizaje automático y la inteligencia artificial más avanzados. Si bien el trabajo para aprovechar el poder de los pequeños datos no es difícil, reorientar su pensamiento para alejarlo de estas áreas puede resultar difícil. Comience con los siguientes pasos. En primer lugar, haga que todos participen, incluido usted, liderando un proyecto de datos pequeños con sus subordinados directos al año. Entonces, siga un enfoque disciplinado. A continuación, imparta formación a su equipo para que proporcione experiencia práctica y explique los «por qué» y el «cómo» de los métodos. Por último, defina su área de especialización única y hágase un hueco.

••• En su precipitada incursión en la ciencia de datos avanzada, los macrodatos, el aprendizaje automático y la inteligencia artificial, demasiadas empresas han ignorado los «datos pequeños». Es un gran error. La relativa facilidad, ubicuidad y poder de los proyectos de pequeños datos tienen profundas implicaciones para todos los empleados, gerentes y líderes de todos los niveles, departamentos y organizaciones. Los proyectos de datos pequeños implican que equipos de un puñado de empleados aborden los problemas en sus lugares de trabajo locales mediante conjuntos de datos pequeños: cientos de puntos de datos, no los millones o más que se utilizan en los proyectos de macrodatos. Están muy centrados y utilizan métodos analíticos básicos que son accesibles para todos. Las pueden completar en unos meses personas que trabajan a tiempo parcial y[generar beneficios financieros de entre 10 000 y 250 000 dólares al año](https://www.amazon.com/Leading-Holistic-Improvement-Lean-Sigma-dp-0134288882/dp/0134288882/ref=mt_paperback?_encoding=UTF8&me=&qid=) por proyecto. Las empresas están repletas de posibles proyectos de pequeños datos y es razonable esperar que un departamento de 40 personas complete 20 proyectos al año. Los beneficios acumulados son enormes. A diferencia de los proyectos de macrodatos, en los que suelen participar docenas de personas con agendas dispares, políticas, presupuestos enormes y[altas tasas de fallos](https://www.digitaltonto.com/2018/most-ai-projects-fail-heres-how-to-make-yours-successful/), la probabilidad de éxito es alta. Por lo tanto, los proyectos de pequeños datos desarrollan la fuerza de datos de la organización que ayuda a toda la empresa a aprender lo que se necesita para tener éxito con los datos, adquirir las habilidades necesarias, generar confianza y fomentar el tipo de cultura que exigen los macrodatos. Y dado que a muchas personas les preocupa que las sustituya la automatización o que sus trabajos cambien de formas que escapan a su control, la participación en estos proyectos permite a todos tomar medidas proactivas para desarrollar su alfabetización de datos y hacer frente a sus propios miedos. Además, ¡son divertidos! Una directora de primera línea, una veterana con 20 años en las telecomunicaciones, exaltada en una cena de celebración a la que asistimos, tras liderar a su equipo en una serie de proyectos de calidad de pequeños datos: «Ha sido la mejor experiencia de mis 20 años de carrera. Fue la única vez que sentí que tenía algún control sobre el lugar al que iba». Hemos ayudado a lanzar cientos, quizás miles, de historias de este tipo en todo el mundo. La gente se deleita en entender los números, lo que significan, y el trabajo de los detectives para averiguar lo que realmente está sucediendo. Les encanta trabajar en equipo y ver que los resultados de su trabajo mejoran su trabajo y el rendimiento de la empresa. Si bien el trabajo para aprovechar el poder del pequeño dato no es difícil, reorientar su forma de pensar hacia la priorización de estos proyectos puede resultar difícil. Le recomendamos entrar directamente y seguir los siguientes pasos. **Haga que todos participen, incluido usted.** Dirija personalmente al menos un proyecto de datos pequeños con sus subordinados directos cada año. Aprenderá mucho, experimentará el poder de los pequeños datos de primera mano, ganará credibilidad y dará un buen ejemplo al hacerlo. Anime a su gente a unirse a su iniciativa de datos y permítales utilizar los pequeños datos de su manera única. Una vez que sepa dónde buscar, no será difícil encontrar oportunidades de datos pequeños. Tres áreas suelen ser «ricos en objetivos»: 1. [Eliminar las fábricas de datos ocultos](/2016/09/bad-data-costs-the-u-s-3-trillion-per-year) : La mala calidad de los datos es la norma y el objetivo es reducir el trabajo sin valor añadido necesario para corregir los errores. 2. Reducir la pérdida de tiempo: descubrimos que la gente pierde mucho tiempo esperando a que comiencen las reuniones, a las aportaciones de un colega, a la llegada de un envío, etc. El objetivo es reducir ese tiempo. 3. Simplificar las transferencias: a medida que el trabajo entra, cruza y sale de su equipo, las transferencias deficientes pueden aumentar la complejidad, el coste o el tiempo. El objetivo es agilizar estas transferencias. A medida que lo domine, tal vez quiera concentrarse, concentrarse en un área, fijar un objetivo agresivo y desafiar a su equipo a cumplir ese objetivo. **Siga un enfoque disciplinado**. Muchos proyectos de datos pequeños son bastante simples y es tentador ir directamente a la solución. Aun así, nos parece mejor seguir un proceso disciplinado y sencillo, del siguiente modo: definir el problema empresarial, recopilar los datos necesarios, analizar los datos, realizar mejoras, fijar las ganancias, identificar la próxima oportunidad y repetir el ciclo. Los que estén familiarizados con Lean, Six Sigma, [el ciclo de vida de la analítica de datos](https://www.amazon.com/Real-Work-Data-Science-organizations-dp-1119570700/dp/1119570700/ref=mt_paperback?_encoding=UTF8&me=&qid=1569152218), o el método científico tendrá similitudes con estos enfoques. **Ofrecer formación.** Asegúrese de que usted y su equipo reciban una formación que les proporcione experiencia práctica y explique los «por qué» y el «cómo» de los métodos. En una empresa con la que trabajamos, la formación sobre la calidad de los datos consiste en ocho talleres de 90 minutos, cada uno centrado en un tema importante, como la medición, y tareas prácticas en las que los asistentes ponen en práctica esos fundamentos de forma inmediata. Los ejemplos de la clase eran específicos para la disciplina de cada individuo: los de finanzas tenían ejemplos de finanzas, los ingenieros tenían ejemplos de ingeniería, etc. Esta combinación de fundamentos, ejemplos relevantes y experiencia práctica ayudó a las personas de esta empresa a desarrollar y aplicar las habilidades que habían aprendido muy rápido. **Defina su área de especialización única.** Dese el poder de abordar al menos un problema y, a continuación, aproveche lo que ha aprendido para hacerse un hueco. Tal vez pueda ser fácil con[medición y mejora de la calidad de los datos](https://www.amazon.com/Getting-Front-Thomas-Redman-Ph-D/dp/1634621263/ref=tmm_pap_swatch_0?_encoding=UTF8&qid=1568140973&sr=8-1) para convertirse en el experto en calidad de datos de su equipo. O tal vez pueda aprovechar su interés por las relaciones con los clientes desarrollando experiencia en las métricas asociadas y sus implicaciones. Hacerlo le ayudará a hacer valiosas contribuciones a su equipo y a construir una carrera satisfactoria. Al tomar estas medidas, tenga en cuenta que el hecho de que se centre en proyectos de pequeños datos no significa que no vaya a tener también iniciativas de macrodatos, ahora o en el futuro. De hecho, los macrodatos son necesarios para abordar los grandes problemas. Pero pasar por alto las frutas fáciles en favor de los proyectos de macrodatos más sexys que aún no está preparado para completar no es prudente. Así que piense estratégicamente. Especialmente al empezar, haga hincapié en los datos pequeños. Sabemos que mucha gente encontrará que la dirección propuesta aquí es contradictoria, dada la prisa por los macrodatos y la inteligencia artificial. Pero proyéctese en el futuro de su organización dentro de diez años. Esperamos que vea a un grupo de científicos y tecnólogos de datos de élite trabajando en algunos problemas complejos. Pero más aún, esperamos que también vea un lugar de trabajo más igualitario, en el que todos se sientan cada vez más cómodos con los datos y contribuyan en función de las decenas de oportunidades. La ruta de datos pequeños lo lleva hasta allí. Póngase manos a la obra.