5 errores que condenan tu práctica de analítica al fracaso

Estos roles, buscan a toda costa identificar oportunidades de optimización y nuevos negocios resultantes de un esfuerzo conjunto de interpretar correctamente las señales en la data. Sin embargo, este proceso de identificación y la correcta ejecución es más complejo en la práctica que en la teoría. Muchas compañías han vivido en carne propia las consecuencias de pasar por alto cuestiones clave al establecer una práctica de manejo y análisis de datos.

En este artículo (parte 1 de 2) analizaremos 5 de los 10 problemas más comunes al establecer profesionalmente la práctica hacia una cultura dirigida por datos.

ERROR #1: Desconexión entre el equipo técnico y los usuarios finales

Al llevar a cabo un análisis exploratorio, quizá vea tierra fértil para múltiples iniciativas. Algunas para mejorar la experiencia de los clientes; otras para optimizar procesos que impacten positivamente la calidad y reduzcan desperdicios; e incluso otras para hacer la vida de los trabajadores mucho más llevadera… O al menos eso es lo que usted cree.

Sería ilógico hacer unas cuantas preguntas y después partir sin más e iniciar un proyecto con el equipo que ahora está a su cargo. Pudiera ser que en efecto tenga muy buenas ideas. Y que cuente con buenos desarrolladores y diseñadores que harán justamente lo que les pida. Después de todo: usted es el jefe, ¿cierto? Incluso le han dado una gran oficina y le han nombrado responsable de la innovación analítica (o algo así). Ya se visualiza dentro de 3 meses con un producto terminado que dará en el blanco (esos chicos de marketing no saben lo que les espera). Ajá. Bueno, si así empieza la novela, lo más probable es que se convierta y termine mal.

Algo que nunca ha de perder de vista: si no involucra formalmente la experiencia, opinión y deseos de los jugadores clave desde el inicio (y su retroalimentación a medida que avanzan los desarrollos) al grado de hacerles sentir como suya la iniciativa: todo se quedará en el cajón(múltiples razones).

Un enlace correcto armoniza la factibilidad técnica (¿con qué datos cuento?), el conocimiento del negocio (¿qué reglas debo aplicar?, la audiencia (¿está al nivel de complejidad/ profundidad correcta?) y el objetivo final (¿cómo se vería un entregable satisfactorio?) entre otras cosas.

Es un arte equilibrar estos puntos para avanzar satisfactoriamente. Una serie de sesiones bajo la dirección de un profesional en Design Thinking es lo ideal, pero ultimadamente podemos decir que una lluvia de ideas, bajo un marco de respeto, con la suficiente intensidad y libertad, será suficiente para empezar.

ERROR # 2: ESTABLECER EXPECTATIVAS DEMASIADO ALTAS

Este punto no necesita mucha introducción. Es más provechoso ser honesto con el nivel de alfabetización en los datos que se maneja en la compañía que echar el bluf y decir que se implementará Inteligencia Artificial para dar al cliente una experiencia más personalizada (Al fin de cuentas, ya cuenta usted con dos científicos de datos, ¿no?).

Lo primero sería entender si ya tenemos resueltas lo que compete al primer eslabón del análisis de datos: analítica descriptiva. Es decir, si en su mayoría mis colaboradores ya pueden hablar de manera cómoda de indicadores históricos, métricas y dimensiones, en tal caso, la madurez en la compañía ya daría para implementar algo más sofisticado. Pero, si aún los usuarios de negocio no pueden obtener fácilmente la mayoría de los análisis históricos que quisieras con datos limpios y homologados en un Dashboard que les permita explorar visualmente mediante drill downs, entonces quizás primero el enfoque debería estar ahí.

Ahora, si ya confía en que puede explorar los terrenos de la analítica avanzada: adelante, al final la data tendrá la última palabra. ¿A qué me refiero? supongamos que la dirección de Marketing quiere de manera personalizada enviar promociones a prospectos y clientes. ¡Suena bien! Solo hasta que tienen una sesión técnica, descubren que la información disponible es solo el sexo, la edad y un histórico de transacciones de venta de compradores anónimos. Vaya, no mucha materia prima para el equipo que maneja, ¡Y usted que ya prometió poder leer señales en los datos para identificar cuando un cliente estaría esperando un bebé! Bueno, se pueden explorar nuevos casos de uso, y en el peor de los casos iniciar con una estrategia de recolección de información.

El resumen de este punto es: no prometa nada hasta que tenga nociones de los datos disponibles. Enfóquese en proyectos pequeños que sean factible con lo que se tenga. Cuando ya vaya agarrando tracción, plantee una estrategia para recolectar mejor materia prima.

ERROR #3: Demasiada (o muy poca) importancia en el Retorno de Inversión

Busque el equilibrio; sí, esa palabra utópica, que en teoría representa un estado de perfecta armonía entre las exigentes métricas comerciales y el psichological safety de sus agentes de ventas, por decir un ejemplo.

Digamos que en un proyecto comercial con Indicadores bien definidos, logra recortar el tiempo de cierre de contratos en un 30% y aumentar el valor promedio de los deals un 18%. Fabuloso, ¿no? Porque con tan solo eso, los costes de implementación se pagan por sí mismos en 3 meses. Bueno, sí, en teoría. Lo que pierde de vista es que ahora tenga que lidiar con una fuerza de ventas apática que se siente observada, con “burn-out” y que está en búsqueda de otros “desafíos profesionales”.

Sí es importante analizar la cuestión financiera para avanzar con una estrategia de datos. Pero el hecho de definir los resultados cuantitativos tan tajante podría cegarle a la visión más completa. En el ejemplo anterior, quizás al no definir la iniciativa como algo para monitorear a mis vendedores y sino para ayudarles a ser negociadores superpoderosos, le dé resultados que nunca anticipó.

ERROR # 4: SUBESTIMAR LA IMPORTANCIA DE UNA METODOLOGÍA

Muchas veces la palabra metodología se traduce en lentitud, burocracia y documentación innecesaria que nadie nunca va a leer.

La realidad es que en parte estamos de acuerdo y siempre hay mucha polémica alrededor de qué cuál es la mejor manera de abordar “el papeleo” y definitivamente lo escrito en el Agile Manifestoes lo que más sentido nos hace:

Individuos e interacciones sobre procesos y herramientas. Aplicaciones que funcionen sobre documentación muy detallada. Relaciones colaborativas sobre negociación contractual. Responder al cambio sobre seguir un plan (escrito en piedra)

Esta manera tan razonable de tratar las creaciones digitales es la más acertada desde nuestro punto de vista, sin embargo, no le recomendamos pasar por alto los siguientes documentos:

1. CASO DE USO. Una vez que tenga bien claro los objetivos, por favor póngalo por escrito. Describa las preguntas que espera responder, así como su conexión con el objetivo estratégico del negocio. Aquí deberá registrar las métricas, patrocinadores, usuarios objetivo, datos requeridos, tecnologías, entre otras cosas… Este documento deberá estar al alcance de todos, incluso contar con la firma de los jugadores claves.

2. MINUTA KICK OFF. ¡Documente el banderazo del proyecto! Ahí estarán bien claros los elementos del equipo, el cronograma preliminar a alto nivel, responsables y fechas.

3. CIERRE DISCOVERY. El producto final de esta fase es generalmente un prototipo detallado, así como un diagrama de arquitectura de la solución. Muchas otras consideraciones dependiendo de la madurez de su práctica podrían jugar aquí también, como: estimaciones de uso de componentes cloud, cuestiones de gobernanza, seguridad de datos y usuarios, entre otras…

4. MINUTAS PLANEACIÓN Y CIERRES DE SPRINT. Registre las conclusiones y si existen cambios o consideraciones clave: ¡asegúrese de que estén claras para todos!

5. DOCUMENTACIÓN TÉCNICA. Su nombre lo dice, pero la idea es que si se va Pancho el programador ya nadie nunca más pueda descifrar su lógica. A ningún programador le gusta documentar, pero es un mal necesario (es por su bien, ja).

La verdad es que esta lista es una sobre simplificación del asunto. El punto es: no se trinque tanto en estos documentos, quizás nunca nadie los vaya a leer jamás, pero qué tal si ¿sí? Recuerde que cuando se hacen las cosas bien hay más probabilidades de éxito y seguir una metodología (junto a todo el papeleo que conlleva) le pondrá en una posición favorecedora.

ERROR # 5: NO ESTÁ UTILIZANDO LAS ÚLTIMAS CAPACIDADES DE LAS PLATAFORMAS

Podría ser porque no cuenta con las últimas versiones de sus plataformas analíticas, porque simplemente nunca hubo un plan de actualización desde un inicio, o porque de plano no cuenta con el brazo tecnológico para seguir innovando y fortaleciendo los desarrollos actuales.

Sus usuarios, sean internos o externos ya están felices (o al menos desde su punto de vista), y es por eso por lo que nadie está buscando cosas nuevas. Vamos… ¿está en el sector de las tecnologías de información sin buscar innovar? Si no está al pendiente con las últimas capacidades serán sus usuarios los que juzguen su ignorancia.

Ponga en la mesa posibilidades y evalúa en conjunto con ellos qué tanto valor les daría cierta capacidad y ponga en una balanza el costo adicional que le representaría. Por ejemplo, preguntar “si tuviera esos datos en tiempo real en vez de que se actualicen solo en la noche, ¿qué podría hacer diferente?” O, “imagínese que pudiera definir ciertos umbrales en sus datos para que cada que se cumpla cierta condición se detone una alerta a su celular”.

Pregunta, pregunta, y pregunta. No imponga. Solo así podrá descubrir lo que el negocio realmente necesita.

Aquí se termina la primera parte. ¡Espera la segunda parte con 5 cuestiones adicionales que están condenando su práctica de analítica de datos al fracaso!