Por qué su proyecto de TI necesita un científico cognitivo

Nuestra investigación, que ha implicado el estudio de más de 50 organizaciones internacionales de diversos sectores, ha identificado un enfoque alternativo a los proyectos de macrodatos y análisis que permite a las empresas explotar continuamente los datos de nuevas formas. En lugar del despliegue de la tecnología, se centra en la exploración de la información. Y en lugar de ver la información como un recurso que reside en las bases de datos, lo que funciona bien para diseñar e implementar los sistemas de TI convencionales, ve la información como algo que las propias personas hacen valioso.

En consecuencia, es crucial entender cómo las personas crean y utilizan la información. Esto significa que los equipos de proyectos necesitan miembros bien versados en las ciencias cognitivas y del comportamiento.

La mayoría de los profesionales de TI tienen formación en ingeniería, informática y matemáticas. No es sorprendente, por lo general son muy lógicos y piensan muy bien en los procesos, y tienden a centrarse menos en la «I» y más en la «T» de la TI. Para tareas como el procesamiento de operaciones financieras o transacciones minoristas, estas son las habilidades ideales. Sin embargo, si el objetivo es apoyar el descubrimiento del conocimiento, se convierten en un obstáculo.

Para abordar este problema, muchas empresas han incorporado a personas con un profundo conocimiento del negocio a los equipos de proyectos de TI, han expuesto a los profesionales de TI a problemas empresariales complejos y han contratado a más científicos de datos. Pero esas jugadas no serán suficientes. Cuando trabaje con grandes conjuntos de datos, probablemente pueda encontrar relaciones estadísticamente significativas entre cualquier variable que elija. Lo que lo hace volver a la realidad es el conocimiento del negocio. El dilema es que este conocimiento también puede limitar su esfera de pensamiento.

Por esa razón, los macrodatos y otros proyectos de análisis requieren personas versadas en las ciencias cognitivas y del comportamiento, que entiendan cómo las personas perciben los problemas, utilizan la información y analizan los datos para desarrollar soluciones, ideas y conocimientos. Este cambio refleja el cambio de la economía hacia la economía del comportamiento, que aplica los conocimientos de los campos de la psicología social y las ciencias cognitivas y del comportamiento para desarrollar una nueva comprensión de la forma en que las personas piensan y se comportan en los mercados y las economías.

En algunas organizaciones actuales, los proyectos de macrodatos y análisis ya incluyen a personas con experiencia en esos campos. Her Majesty’s Revenue and Customs (HMRC), la agencia tributaria británica, ha contratado recientemente a psicólogos organizacionales, que ayudan a los equipos de análisis a mejorar sus habilidades interpretativas, por ejemplo, haciéndoles conscientes de sus sesgos confirmatorios: sus tendencias a buscar o interpretar la información de una manera que confirme sus ideas preconcebidas. Uno de esos sesgos era que ciertos enfoques de cobro de deudas funcionaban para categorías particulares de contribuyentes.

Los líderes de HMRC reconocen que, además de saber cómo funciona la empresa (por ejemplo, qué tipo de caso puede ir a los tribunales, qué implica ese proceso y por qué ciertos casos fracasan), los científicos de datos también necesitan entender la mentalidad de los cobradores de deudas y el comportamiento de los deudores (por ejemplo, por qué algunas personas que adeudan impuestos pagan antes de que el caso llegue a los tribunales y otras no). Los psicólogos organizacionales ayudan en ello. También pasan tiempo sobre el terreno con los inspectores (que llevan a cabo las investigaciones fiscales) y el personal de los centros de llamadas (que negocian con los contribuyentes).

Las organizaciones que quieren que los empleados estén más orientados a los datos en su forma de pensar y tomar decisiones deben formarlos para que sepan cuándo basarse en los datos y cómo formular preguntas, elaborar hipótesis, realizar experimentos e interpretar los resultados.

Esta entrada de blog ha sido extraída del artículo de Donald A. Marchand y Joe Peppard «Por qué IT Fumbles Analytics» en el Número de enero-febrero de la revista.