Qué sucede cuando los científicos de datos y los diseñadores trabajan juntos

Rise Science llegó a IDEO con un desafío. La joven startup había construido una plataforma de datos robusta para atletas universitarios y profesionales para rastrear su sueño y ajustar su comportamiento para que jugaran en el máximo rendimiento. Pero para los jugadores, la experiencia fue desafiante. Aumentan las expectativas de que los atletas observen gráficos y gráficos basados en datos para determinar qué decisiones tomar a continuación, pero los jugadores tuvieron dificultades para encontrar esas ideas. Rise estaba convencido de que sólo necesitaban gráficos y gráficos más fáciles de leer.

Mientras los diseñadores de IDEO y los científicos de datos de Rise pasaban tiempo con jugadores y entrenadores, descubrieron que Rise no tenía un problema de visualización de datos, tenían un problema de experiencia de usuario. Los gráficos y gráficos eran mucho menos importantes que saber cuándo ir a la cama cada noche y cuándo despertarse a la mañana siguiente. En pocas semanas, los gráficos y gráficos se trasladaron al fondo de su aplicación y un despertador y una herramienta de chat tomaron el protagonismo.

En los 18 meses transcurridos desde el relanzamiento de su servicio, Rise Science ha firmado más de 15 de los equipos deportivos más selectos profesionales y colegiados, así como varias empresas que esperan mejorar el rendimiento y el bienestar de los empleados a través de mejores hábitos de sueño.

Este ejemplo muestra cómo la ciencia de datos centrada en el ser humano puede resultar de equipos interdisciplinarios que incorporan el pensamiento de diseño en su enfoque. En lugar de una versión de la ciencia de datos que se centra estrictamente en investigar nuevos modelos estadísticos o construir mejores visualizaciones de datos, un enfoque de diseño reconoce a los científicos de datos como solucionadores creativos de problemas. No estamos sugiriendo que las disciplinas de la ciencia de datos y el diseño se fusionen, sino que si los practicantes trabajan juntos y aprenden el arte de los demás, producirán mejores resultados.

Muchas de las técnicas que utilizamos en nuestro proceso de diseño centrado en el ser humano en Ideo (investigación de usuarios, inspiración análoga, bocetos y prototipos) funcionan bien con productos, servicios y experiencias basados en datos.

Investigación de usuarios

Los datos por sí mismos son inertes, tontos, materia prima. Hacer las cosas inteligentes significará diseñar con datos de una manera que refleje y responda al comportamiento funcional, social y emocional de los usuarios. Si comienza con las necesidades y conocimientos de las personas en lugar de liderar con los datos, puede obtener información a través de la combinación de investigación cualitativa de diseño y análisis de datos exploratorios. Este enfoque híbrido puede cambiar radicalmente la experiencia del usuario para mejor y ser un verdadero diferenciador.

Por ejemplo, Rise e IDEO visitaron a atletas universitarios en dormitorios e instalaciones de entrenamiento para desarrollar una comprensión profunda de sus necesidades diarias, una práctica común de pensamiento de diseño conocida como investigación de usuarios. Observamos que casi todos los componentes de la vida del jugador están programados, medidos y optimizados. Darles más datos para digerir era simplemente demasiado pedir. También aprendimos que la experiencia de incorporación y los puntos de contacto de servicio, como el coaching de sueño en el momento, eran tan importantes para el éxito de los atletas como los datos visuales vinculados a su sueño.

Los científicos de datos ven el mundo de maneras únicas, pero sólo pueden aprovechar ese punto de vista cuando tienen la oportunidad de salir al mundo y pasar tiempo con los seres humanos. Involucrar a los científicos de datos en la investigación de diseño produce información poderosa y, lo que es más importante, desbloquea la empatía por las personas que serán tocadas por los motores de datos que desarrollan.

Inspiración análoga

La inspiración análoga es otra técnica de pensamiento de diseño que los científicos de datos pueden agregar a su conjunto de herramientas. Ese enfoque fue clave para el éxito de un proyecto con Procter & Gamble. Cuando la organización global implementa nuevas tecnologías, invitan a 50 empleados clave a una cumbre de capacitación de dos días. Cuando esos empleados regresan a sus hogares, se les encarga enseñar a otros la tecnología. Si bien la formación en sí era eficaz, el proceso de selección manual de los empleados clave era difícil. Resulta que las personas que fueron escogidas no fueron lo suficientemente influyentes como para difundir sus nuevos conocimientos por toda la empresa.

Nuestro equipo de Data Science encontró una inspiración análoga en la investigación sobre cómo las enfermedades se propagan a través de las redes sociales. En la mayoría de los casos de epidemiología, estamos interesados en interrumpir y prevenir la propagación de una enfermedad. En este caso, queríamos que la enfermedad (una nueva tecnología) se propagara lo más rápidamente posible a través del tejido social de Procter & Gamble. Queríamos diseñar una pandemia tecnológica.

El modelo epidemiológico nos permitió descubrir que los empleados seleccionados a mano, aunque cercanos a los líderes sénior, estaban demasiado centralizados para difundir algo nuevo de manera significativa en toda la organización. Sugerimos un enfoque diferente: Seleccionar participantes que fueron distribuidos por toda la organización, pero estratégicamente ubicados para difundir la tecnología a través del tejido social de la organización. Probamos cientos de millones de combinaciones de personas que estaban mejor posicionados para colectivamente difundir esta nueva tecnología. La iniciativa tuvo tanto éxito que el grupo de embajadores resultante ha sido reutilizado para varios otros programas de gestión del cambio.

Bocetos y prototipos

Los científicos de datos pueden utilizar bocetos o prototipos para obtener comentarios de los usuarios, tal como lo hacen los diseñadores de productos. Aunque hay una niebla de ambigüedad que desciende durante la fase de análisis de datos exploratorios, usar el truco del diseñador de hacer que los datos sean visuales ayuda a tu cerebro a ver patrones que sugieren algunas maneras de avanzar.

La clave aquí es no tener miedo de iterar: Un patrón podría llevarle a mirar los datos de una manera particular, lo que hace que usted vea los patrones en una luz completamente nueva. También puede optar por volver al análisis de datos exploratorios para pivotar o cambiar de dirección por completo. Comience con mucho escepticismo, ya que los datos podrían estar sucios o faltantes campos, por lo tanto, indicando patrones que están fuera de curso.

En otro proyecto de Procter & Gamble, por ejemplo, comenzamos con bocetos sencillos que fueron compartidos con las partes interesadas clave para obtener su opinión. Antes de escribir una línea de código, pudimos aprender cómo sería una interfaz deseable.

Es difícil y costoso construir un equipo de ciencia de datos, por lo que no es de extrañar que la mayoría de las empresas encaren a estos equipos solo con «trabajo de ciencia de datos». Pero involucrar a científicos de datos en todas las etapas del proceso de pensamiento del diseño dará sus frutos de maneras incalculables. La colaboración interdisciplinaria que aleja a los científicos de datos de sus pantallas y sale al mundo produce resultados poderosos. Transforma los datos de una herramienta cruda para medir su negocio en una herramienta sofisticada que ayuda a su negocio a crecer.

— Jon Wettersten Dean Malmgren Via HBR.org