Ojo al dato. Mejores decisiones en la empresa

Artículo “Ojo al dato. Mejores decisiones en la empresa” de Alfred Maeso, Andy Baraja y Joan Gasull.

¿Has tomado alguna decisión alguna vez a partir de intuición, sin basarte en información objetiva? Me atrevo a presuponer que sí (yo lo he hecho y lo sigo haciendo cada día). ¿Alguna vez has pensado que quizás te habías precipitado o que, si hubieras sabido o tenido en cuenta cierta información, lo hubieras hecho diferente? De nuevo, seguro que sí.

Y eso también pasa en las decisiones que toman las empresas. Muchas veces, y a todos los niveles de la organización, se toman más sobre asunciones, conjeturas o intuiciones que sobre hechos reales. Peor aún, son tomadas basadas en la opinión de la persona con más rango jerárquico, o mejor pagada (el concepto de Hippo, Highest paid person’s opinion) 

Especialmente en un entorno de cambio constante, de incertidumbre y complejidad (sin ir más lejos, la pandemia que estamos sufriendo), disponer de datos y tomar decisiones rápidas sobre ellos son clave para la adaptación continua y, también y sobre todo, para la supervivencia última de la organización.

Debe ser un objetivo, por lo tanto, para todas las organizaciones desarrollar la capacidad de obtener y utilizar datos relevantes que permitan generar información, conocimiento y en última instancia, aprendizaje, para la toma de decisiones más adecuadas.

Por eso, en este artículo quiero centrarme en cómo pueden las organizaciones desarrollar esta capacidad, y no en el tipo de métricas o indicadores, o técnicas específicas.

Pero ¿de qué tipo de datos estamos hablando? De todo tipo: acerca del rendimiento propio y del equipo, de la evolución del mercado, de nuestros clientes, del nivel de consecución de objetivos estratégicos, datos tanto cualitativos (basados en percepciones, observaciones u opiniones) como cuantitativos (numéricos, objetivos) que permitan generar conversaciones a partir de ellos.

Esa es finalmente una de las claves: la generación de conversaciones a partir de los datos. Conversaciones que incluyan las diferentes perspectivas o maneras de leerlos y que nos guíen a una toma de decisiones eficaz.
Para que todo ello suceda, os propongo trabajar en las siguientes áreas:

Decision-driven

Los datos, la información con la que trabajamos deberían partir de las decisiones que queremos tomar. Eso puede minimizar la tentación de medir únicamente aquello que refuerza las decisiones que ya hemos tomado, o que demuestran lo bien que lo hemos hecho (las llamadas vanity metrics).
En este sentido, y empezando desde arriba, las organizaciones se mueven de manera general (y, si queréis, simplificando mucho) en base a los tres factores incluidos en el acrónimo IRACIS: Increase Revenue (incrementar ingresos), Avoid Costs (eliminar o reducir costes) y Improve Service (mejorar servicio).

Por lo tanto, y partiendo de este modelo, las principales decisiones a tomar son ¿Cómo podemos incrementar ingresos, reducir costes o mejorar el servicio? A partir de ahí, utilizando un árbol de decisiones deberíamos poder descomponer hasta el nivel que necesitemos. Al nivel en el que podamos plantearnos ¿Qué información necesitaríamos para poder decidir? Y, en consecuencia, ¿Qué datos necesitamos disponer?

Gestión de los datos

Una buena gestión de los datos incluye definir los procesos de definición, recogida, análisis y explotación de los datos, incluyendo el aseguramiento de la calidad (y privacidad) de los mismos, y los niveles de responsabilidad y colaboración en todo el proceso.
En este sentido, quiero relacionarlo también con la cadena o pirámide tradicional de gestión del conocimiento DIKW (datos, información, conocimiento y sabiduría). Aunque sobre este modelo existen ciertas discrepancias acerca de cuáles son los límites y las definiciones concretas, quería aportaros mi visión desde un punto de vista práctico y utilizable.

Datos

Los “datos” hacen referencia a “información en crudo”, pequeñas piezas físicas que nos aportan una visión objetiva del mundo en el que vivimos. Los datos recogen “lo que pasa”. Ejemplos de datos en contexto organizacional podemos encontrar muchos: asociados a rendimiento de procesos y equipos (unidades de trabajo entregados por unidad de tiempo, tiempo total de proceso, tiempos de espera, inventario…), también respecto al impacto de nuestro negocio (número de clientes, volumen de ventas, facturación anual…).

La recogida de estos datos tendrá en cuenta factores como la periodicidad, las muestras (¿vamos a medir todo o solo parte?) y la posibilidad de automatización. Y, sobre todo, la calidad del dato, hasta qué punto los datos son fiables y creíbles para toda la organización. Debemos contribuir a generar la cultura de “una única verdad” (one version of the truth). Los datos son nuestra fuente de información y, por lo tanto, pueden ser interpretables, pero no discutibles. Existirán múltiples formas de visualizarlos y explotarlos, pero sin corromper la validez de los datos obtenidos.  A día de hoy, el uso generalizado de herramientas software en la empresa digital, permite disponer de muchos datos. Ya no hace falta pensar cómo generarlo, sino que los tenemos allí, nos guste o no. Los utilicemos o no.

Información

Estos datos se convierten en “información” cuando somos capaces de dotarlos de contexto y relacionarlos entre sí. Es el resultado del análisis de los datos. La información permite responder a la pregunta de si lo que está pasando es “bueno” o no.

Ejemplos de información podrían ser el nivel de progreso de un proyecto respecto a su planificación, tendencias asociadas a ventas o a satisfacción en un cliente con relación a los objetivos estratégicos, incremento o disminución de errores en software con relación a mejoras introducidas en nuestro proceso de desarrollo, etc.

Conocimiento

El “conocimiento” sucede cuando somos capaces de abstraer la información de su situación específica para aplicar las conclusiones a otras situaciones. El conocimiento surge cuando dejamos de pensar en el pasado y en el presente y miramos al futuro. Por ejemplo, mejoras concretas para el proyecto como consecuencia de la información de progreso que hemos obtenido, o acciones comerciales a realizar en un cliente a partir del análisis de la información.

Sabiduría

Finalmente, la “sabiduría” es cuando integramos ese conocimiento en nuestra manera de hacer, y lo convertimos en algo útil, sujeto a mejora y refinamiento continuo. La sabiduría es cuando utilizamos el conocimiento adquirido para tomar decisiones a futuro. En un contexto organizacional, cambios en procesos corporativos o decisiones estratégicas proceden de la sabiduría. El aprendizaje y crecimiento organizacional surgirán de la sabiduría.

Para una organización, disponer de datos continuos, analizar correctamente los datos para obtener información, saber utilizar la información para generar conocimiento, y utilizar ese conocimiento para ser cada vez más sabios, es clave en un contexto de cambio constante para asegurar el crecimiento organizacional. Debemos asegurar siempre la coherencia y el alineamiento (clear line of sight) desde las decisiones estratégicas, hasta los datos.

Por último, A medida que subimos en la pirámide de los datos, las “máquinas” tienen menos peso, vamos de lo más concreto a lo más abstracto, con lo que es la capacidad humana de dotar de sentido y generar sabiduría la que genera el factor diferencial. La técnica es un must pero ni de lejos suficiente, la transformación debe ser a nivel organizacional, y humana.

3. Gobierno del dato

Entendemos por gobierno del dato el conjunto de personas, responsabilidades, reglas y procesos que rigen la gestión de los datos, desde la identificación, recogida y análisis hasta su explotación y las tomas de decisiones asociadas.

Es especialmente importante un buen gobierno del dato para asegurar la consistencia, fiabilidad, privacidad y posibilidad de comparar y agrupar datos (entre unidades de negocio, productos o clientes diferentes, por ejemplo), e involucrar diferentes perspectivas en la toma de  decisiones (la perspectiva tecnológica, la de negocio, la estratégica, la comercial…).

En conclusión, desarrollar la capacidad de adaptabilidad al cambio constante, incertidumbre y complejidad a través de los datos, requiere trabajar en estas tres características clave:

• ¿Qué decisiones necesitamos tomar?
• ¿Cómo gestionamos los datos, la información, el conocimiento y el aprendizaje para tomarlas?
• ¿Cómo aseguramos un buen gobierno del dato?

Si te interesa este tema, puedes consultar los cursos de Análisis de Datos que ofrecemos en Netmind: