Blog
¿Por qué estamos seguros de que no tienes los indicadores correctos?
RUBEN CORDOVA
CONSULTOR EN GRUPO VALOR
Si tu empresa no está siguiendo este proceso de análisis de datos, la calidad de tus indicadores no es la adecuada y no están alineadas a crear oportunidades.
Comúnmente en las empresas se pueden encontrar “indicadores” en todas las áreas, usualmente hallamos muchas medidas que alguna vez se usaron para dar seguimiento a diferentes temas. Sin embargo, el hecho de tener: reportes, tableros o cualquier otro tipo de información concentrada para el análisis no necesariamente significan que sean los correctos.
La mayoría del tiempo nos enfocamos en las nuevas tecnologías y creemos que estas son la única variable que puede potenciar nuestra capacidad analítica (espero que al final de este artículo puedas diferenciar entre Tecnologías + Negocio y Tecnologías Sin negocio)
Sin más preámbulo comencemos con los 6 pasos de la analítica de datos:
Ask o Preguntar
Prepare o Preparar
Process o Procesar
Analyze o Analizar
Share o Compartir
Act o Actuar
PREGUNTAR
El objetivo de nuestro primer paso en este proceso es identificar las: metas, objetivos, impedimentos, problemas u oportunidades que enfrenta nuestra empresa, en otras palabras, entender el contexto de la organización.
En este punto es muy importante tener en cuenta 3 variables:
Determinar las expectativas de las partes interesadas
Plantear preguntas con metodologías como SMART
Ser justo: Evitar generalidades que no alimentan de forma positiva la estrategia y cultura organizacional
PREPARAR
En este paso debemos enfocarnos en que información vamos a requerir para poder dar una explicación a la definición del problema (expuesto en el paso anterior).
Por ende, se debe tomar las siguientes consideraciones para no equivocarnos:
De que manera la data es recolectada: Observaciones, entrevistas, cuestionarios, etc.
Escoger el origen de datos: Primera, segunda o tercera mano.
Decidir que data usar: Entre más datos, más complicado el análisis
Cuanta data se debe colectar: ¿Tenemos la data de una población o es preferible una muestra?
Lapso: Tiempos cortos nos arrebatan información clave para poder analizar tendencias
PROCESAR
“Nosotros somos lo que comemos”
El tercer paso, en otras palabras, es limpiar. Para nosotros poder realizar algún tipo de análisis es necesario poder excluir: errores, inconsistencias, duplicidades. Si este paso se realiza con herramientas manuales puede ser el más extenso. Sin embargo, ya existen herramientas especializadas que pueden ahorrarnos la fatiga manual
Entre las herramientas más usadas para poder limpiar Queries (data consultada) están las siguientes:
1. R
2. Python
3. SQL
4. Power query
Podríamos hablar más de cada una de estas herramientas, pero eso este tema se desarrollará mejor en futuros artículos.
En este paso es importante estar en contacto con el experto del proceso por que a medida que avance la limpieza existirán varias preguntas que deberán ser contestadas.
Otros “tips” para poder limpiar las bases de datos son:
1. Existe un solo tipo de dato en cada columna: No se debe mezclar un formato de números con texto.
2. Mantener todo tipo de dato en formato de tabla: Con este paso podemos evitar que datos afuera de nuestro alcance se mezclen con datos que no nos interesan.
3. Eliminar duplicados: En el caso que quisiéramos saber ¿Cuántos clientes tiene la empresa? Debemos eliminar los clientes que se repiten en la base de datos.
4. Evitar los espacios y tener en cuenta caracteres especiales: Continuando con el ejemplo del número de clientes no es lo mismo “ Rubén” , “Rubén” o “Ruben”. Cualquier programa me va a contar como 3 clientes diferentes cuando sabemos que es uno solo.
ANALIZAR
Es increíble que recién en el cuarto paso vamos a crear un análisis y esto se debe a la fuerte correlación de un análisis exitoso con un entendimiento del problema
Para este paso debemos mantener estas variables en cuenta:
¿Qué es sucedió?
¿Por qué sucedió?
¿Qué va a pasar si ese problema continua?
Para apoyarnos dentro de esta narrativa anteriormente descrita es importante reconciliar la tecnología con la estadística para poder:
1. Crear correlaciones de datos para dar una explicación a nuestros problema.
2. Usar modelos predictivos (algunos de estos modelos pueden usar machine learning) para evitar su repetición.
En este momento podemos introducir términos que son populares hoy como machine learning (que tiene su nivel de dificultad). Sin embargo, para poder llegar a este paso hemos tenido que trabajar previamente.
COMPARTIR
Todo tipo de análisis se debe compartir para que este sea visible para los colaboradores y de esta manera se pueda dar seguimiento.
Al ser humanos, tenemos una tendencia a interesarnos en cuestiones simples que nos den mucho valor, en este caso: Visualizaciones.
En los objetos visuales deben estar enfocados en:
1. El problema u oportunidad que hemos encontrado
2. ¿Cómo lo vamos a atacar?
3. ¿De qué manera podemos crear un Dashboard que me ayude a tomar decisiones?
Establecer políticas de revisión y seguimiento
ACTUAR
El paso más importante dentro de nuestro proceso es el actuar y muchas veces aquí es donde las empresas limitan sus recursos, algunas de ellas pueden ser:
1. No confían en la base de datos tomada
2. No se incluyeron a las personas expertas en el análisis
3. La data no está completa
4. No se comunicaron los resultados a tiempo
En conclusión, si tu empresa no está siguiendo este proceso de análisis de datos, la calidad de tus indicadores no es la adecuada y no están alineadas a crear oportunidades y limitar el impacto de los problemas. El costo de atacar las variables incorrectas, no abordar oportunidades y no predecir los comportamientos, limitan el cumplimiento eficiente de objetivos.
“Hace 100 años, el mejor recurso de inversión era el petróleo. Ahora, la atención de todos está puesta en los gigantes de la data, el petróleo de la era digital”
THE ECONOMIST
Mira nuestros últimos artículos
