¿Utiliza sus datos o simplemente los recopila?

Hay una enorme diferencia entre entender la importancia de los datos y convertirlos en una prioridad en su organización. Todas las empresas necesitan expertos que se encarguen de analizar los datos pertinentes y de ayudar a los empleados a tomar decisiones informadas. Sin embargo, muchos líderes no aprovechan al máximo las herramientas analíticas de que disponen y se basan en gran medida en su instinto en situaciones en las que los datos ofrecen una imagen más completa. En situaciones sin datos ni precedentes, la toma de decisiones instintiva es probablemente la opción más viable. Pero esta estrategia es innecesariamente arriesgada en los casos en que los datos muestran el resultado de situaciones similares ocurridas en el pasado. Educar a los empleados sobre las probabilidades históricas de tomar decisiones les impide tomar decisiones innecesariamente arriesgadas y da a los líderes la oportunidad de consultar detenidamente los datos y sopesar las consecuencias y los costes del fracaso. El instinto sigue teniendo cabida en los negocios, pero no debería ser el único impulsor de la toma de decisiones. Al convertir los datos en un punto central del pensamiento estratégico de su equipo y utilizarlos para elaborar políticas organizativas inteligentes, los líderes pueden proteger sus empresas contra los fracasos innecesarios y garantizar que la empresa tome más decisiones buenas que malas.

••• Una de las lecciones de negocios más importantes es también la más simple: el éxito suele ser el resultado de tomar más decisiones buenas que malas con el tiempo. La pregunta es cómo hacerlo. Esto debería ser más fácil de hacer hoy. La tecnología y la inteligencia empresarial (BI) proporcionan una gran cantidad de datos para guiar incluso la toma de decisiones más matizada. En muchos escenarios, hay datos que pueden mostrarle el resultado de decisiones anteriores que fueron similares y revelar los resultados proyectados a lo largo del tiempo. A pesar de ello, muchos líderes no aprovechan al máximo las herramientas de que disponen y se basan en gran medida en su instinto en situaciones en las que los datos ofrecen una imagen más completa. En situaciones sin datos ni precedentes, la toma de decisiones instintiva es probablemente la opción más viable. Pero esta estrategia es innecesariamente arriesgada en los casos en que los datos muestran el resultado de situaciones similares ocurridas en el pasado. En estos casos, muchos líderes utilizan las excepciones del pasado como justificación para ignorar el coste del fracaso. Las razones para ello pueden variar, desde la desconfianza en la analítica hasta el deseo de triunfar con un movimiento audaz y poco convencional, pero puede resultar caro a largo plazo. Un ejemplo de ello son las apuestas profesionales. Los casinos prosperan porque muchos apostantes creen que son más inteligentes que las cuotas y que pueden ganarle a la casa con apuestas audaces. Son los jugadores que se llevan la mayoría de las ganancias de los casinos. Los apostantes que ganan a largo plazo evalúan clínicamente las cuotas de cada apuesta y toman decisiones cuidadosas y respaldadas por datos, y hacen sus apuestas más importantes cuando las cuotas están a su favor. Las estadísticas tienden a normalizarse con el tiempo, eliminando las aberraciones a corto plazo que dan la falsa apariencia de buena o mala suerte. Cuanto más tiempo juegue al mismo juego, más ganarán las probabilidades. ### **El problema de la memoria de la bombilla** Cuando se base en la experiencia previa, tenga en cuenta que la memoria es incoherente y falible. Es más probable que recordemos eventos extremadamente inesperados que sucesos más mundanos, gracias a la «memoria flash». Según el[Asociación Estadounidense de Psicología](https://dictionary.apa.org/flashbulb-memory), la memoria flash describe distintos recuerdos de sucesos emocionalmente significativos. APA señala: «Aunque es más probable que se conserven los recuerdos de las bombillas que el recuerdo de un suceso cotidiano, no siempre son precisos». En un contexto empresarial, la memoria flash hace que las personas recuerden resultados excepcionales, en lugar de los esperados. Por ejemplo, un ejecutivo puede recordar vívidamente que se arriesgó con una contratación poco convencional y vio a ese empleado convertirse en una estrella. Es menos probable que recuerden cuando hicieron una apuesta más segura por un candidato obviamente cualificado que resultó ser exactamente tan competente como se esperaba, o las arriesgadas contrataciones que no funcionaron. La excepción se convierte en leyenda. ### **Aprovechar los datos** Hay una enorme diferencia entre entender la importancia de los datos y convertirlos en una prioridad en su organización. Todas las empresas necesitan expertos que se encarguen de analizar los datos pertinentes y de ayudar a los empleados a tomar decisiones informadas. Por ejemplo, en[Socios de aceleración](https://www.accelerationpartners.com/) (AP), un miembro de nuestro equipo es responsable de utilizar la inteligencia empresarial para decirnos qué marcas, en función de sus atributos, comportamiento pasado y tasas de fracaso, sería arriesgado contratar como clientes. Si se deja a su suerte, un vendedor, naturalmente, no estaría muy inclinado a rechazar a un cliente potencial. Las normas biinformadas pueden anular a nuestro equipo de ventas si el cliente potencial parece tener un alto potencial de fracasar según datos anteriores. Esto no significa que siempre sea mala idea correr riesgos. Los líderes deberían seguir confiando en su instinto si creen firmemente que tienen razón. Pero comparar esa intuición con el consenso de los datos es una buena manera de poner a prueba la certeza de la decisión. Del mismo modo, si un líder decide ir en contra de los datos, debe hacerse cargo de esa elección si las cosas van mal y asumir la responsabilidad por el resultado. Las excepciones tienen que tener responsabilidad porque, como dice el refrán, «el éxito tiene muchos padres, mientras que el fracaso es huérfano». ### **Establecer reglas y políticas** Por supuesto, la toma de decisiones se ejecuta en todos los niveles del organigrama. Si bien el equipo ejecutivo se encargará de las decisiones que triunfen o arruinen la empresa, las empresas de éxito se aseguran de que los empleados tengan la capacidad de tomar decisiones en todos los niveles de la empresa. Cuando los datos son abrumadores, los líderes pueden optar por establecer directrices basadas en las pruebas. Otro ejemplo pertinente en Acceleration Partners es nuestro enfoque de las contraofertas. Según nuestra experiencia, las contraofertas tienen un mal resultado a corto plazo porque afectan negativamente a la relación con el empleado y solo solucionan temporalmente los problemas subyacentes. Por ejemplo, un estudio de Heidrick & Struggles descubrió que[El 80% de los altos ejecutivos](/2019/01/if-youre-about-to-take-a-new-job-should-you-consider-your-bosss-counteroffer) creo que la confianza en un empleado disminuye después de que el empleado acepte una contraoferta. Sabiendo esto, establecimos una política general para que nuestro equipo de talentos no ampliara las contraofertas. Creemos que es un error hacer algo con una tasa de fracaso tan alta y, al establecer una política, evitamos que los empleados con menos experiencia tomen esas decisiones difíciles sin el beneficio de los datos o la experiencia. Estamos jugando con las probabilidades. Educar a los empleados sobre las probabilidades históricas de tomar decisiones les impide tomar decisiones innecesariamente arriesgadas y da a los líderes la oportunidad de consultar detenidamente los datos y sopesar las consecuencias y los costes del fracaso. El instinto sigue teniendo cabida en los negocios, pero no debería ser el único impulsor de la toma de decisiones. Al convertir los datos y la inteligencia empresarial en el punto central del pensamiento estratégico de su equipo y utilizarlos para elaborar políticas organizativas inteligentes, los líderes pueden proteger sus empresas contra los fracasos innecesarios y garantizar que la empresa tome más decisiones buenas que malas.