Data Analytics: La importancia de tener claras las preguntas

This entry is part 5 of 17 in the series Data Analytics

(Por Candelaria de Hernández, Agustín Portilla e Ignacio Sánchez Chiappe, profesores del Área Data Analytics del IEEC) Gracias a la tecnología disponible, la mayor parte de nuestras acciones quedan registradas para convertirse en datos. Disponibles para comprender mejor nuestro entorno, para predecirlo y tomar decisiones casi en tiempo real. Ahora, el desafío se traslada a que los analistas hagan su trabajo sobre las preguntas correctas.

Es así como Data Analytics se ha convertido en el nuevo motor de la logística y de la supply chain. Con más datos disponibles y en variedades crecientes, ciertamente el problema vuelve como boomerang a los ejecutivos para que desarrollen su capacidad de formular las preguntas adecuadas. Es como el cuento del huevo y la gallina. En vez de tener datos y buscarles un propósito, se deben encontrar los datos para el propósito correspondiente.

No contestar la pregunta equivocada

Por ejemplo, si investigáramos por qué ciertos clientes abandonan la suscripción a la que están anotados, una forma de frenar las bajas sería alentarlos a que se queden ofreciéndoles algún tipo de regalo. Esto ciertamente no responde a la verdadera pregunta: ¿por qué se quieren dar de baja?

Segundo ejemplo: analizar el problema de la vinculación entre el comportamiento y recorrido de los visitantes a nuestra página web y su correlación con lo que finalmente deciden comprar. Puede transformarse en un caso decepcionante porque el análisis de la realidad puede demostrar que compran, no porque visitan nuestra web sino porque visitan la web cuando la decisión de comprar ya está tomada.

Los tomadores de decisión no se deben anticipar en sus conclusiones para luego buscar datos respaldatorios a la decisión tomada. Por el contrario, deben desarrollar la pregunta que realmente quieren contestar y recién entonces buscar los datos para lograr respuestas a las preguntas planteadas.

El problema puede, entonces, desarrollarse en tres pasos: 1) seleccionar las preguntas que se quieren responder 2) trabajar con los analistas en la selección de los datos que ayudarán a responder las preguntas 3) seleccionar la mejor de las soluciones posibles.

Es decir, el símil del embudo. Partir de variadas alternativas de preguntas para luego reducirlas con el fin de lograr enfocarnos en las que verdaderamente importan. Tomar decisiones a partir de los datos no quiere decir juntar tantos datos como sea posible.

El propósito es transformar en conocido lo que nos resulta desconocido. Partiendo de esta actitud, es más fácil comprender el verdadero sentido de la búsqueda de datos. La importancia recae en la correcta formulación de la / las preguntas y en la consiguiente búsqueda de datos para acercarnos a las respuestas que necesitamos.

En definitiva, los principios a tener presentes son:

formular la decisión y a partir de entonces buscar los datos.
los datos están siempre contaminados. Limpiarlos para que sirvan realmente a su propósito. Lo que manda es el propósito y no la cantidad de datos que tengamos disponibles.
aceptar el desafío de comenzar por lo que no se sabe y no por lo que sí se sabe. Ahorra tiempo y energías.

La misión final de Data Analytics es ayudar a la acción en la toma de decisiones; a responder a las preguntas correctas, aquellas que verdaderamente importan y a desafiarnos a comprender mejor cómo se mueve realmente el mundo que nos rodea.

El IEEC desarrolla estos temas en su Programa “Data Analytics en supply chain y logística”.

Para más información ver aquí

Series Navigation<< Data Analytics: 6 razones por las que Power BI potencia el desempeño de los profesionales de SupplyChain y LogísticaCómo transitar el camino de Data Analytics >>