Dentro de la revolución que ha traído la transformación digital el análisis de datos está en todas partes: la toma de decisiones basadas en datos está de moda. Afortunadamente.
En este contexto de interés por analizar datos hay distintas estrategias y aproximaciones, tanto por parte de las empresas usuarias como de los proveedores de servicios tecnológicos y analíticos. Entre estas posturas, algo que se escucha con frecuencia (y que promueven algunas empresas de herramientas analíticas) es “democratizar el análisis de datos” que suena muy bien, pero yo me planteo hasta qué punto es bueno para las empresas (y los empleados) que un amplio rango de perfiles lidie con los datos hasta convertirlos en información.
Esta postura aboga porque cada persona realice el análisis de datos que necesite en su puesto de trabajo por sus propios medios. El problema es que sólo se fijan en una parte de las capacidades necesarias: la herramienta analítica, pero no están teniendo muy en cuenta que el análisis de datos tiene también que ver con la capacidad/ visión/ experiencia analítica de la persona que lo lleva a cabo.
Su hipótesis es: si la herramienta analítica que le proporcionas a los empleados es lo suficientemente sencilla, todos serán capaces de llegar a las conclusiones correctas.
Desde mi punto de vista (y mi experiencia) lamentablemente esto no siempre es así. Sacar la información correcta (no cualquiera, la correcta) que se esconde entre los datos requiere de:
saber qué tengo que preguntar;
que no es lo mismo que saber lo que quiero saber, sino saber qué tengo que preguntar para averiguar lo que quiero saber. Esto no me lo soluciona fácilmente una herramienta.
saber cómo preguntar
(hacer una query, tabla, análisis estadístico…) a los datos para obtener la información. Esto sí se soluciona bastante con herramientas que lo simplifiquen y todos lo agradecemos
saber interpretar correctamente los resultados.
Esta es la parte más difícil!, no sólo saber si estamos viendo una distribución o una penetración (que ya tiene lo suyo) o cual es la variable dependiente y cuales las independientes, sino cosas más sutiles como si los resultados que estoy viendo se pueden interpretar directamente o hay que relativizarlos porque tienen algún tipo de sesgo. Este punto crucial está fuera de la capacidad de una herramienta “democratizada”.
Sólo un ejemplo: hoy me enseñaban una aplicación self service de análisis datos y me ponían como ejemplo datos de uso de aplicaciones de bancamóvil indicándome: “claramente se ve que Caixabank es la entidad que mejor lo está haciendo en bancamovil porque es la que tiene más usuarios activos“. Lo siento, pero no. Caixabank (que lo hace muy bien de todas formas) es la que tiene más usuarios activos porque es CON GRAN DIFERENCIA la entidad que tiene más clientes particulares en España; si no relativizas el número de usuarios activos de bancamovil entre el total de clientes, difícilmente vas a saber qué entidad está siendo la más eficaz. ¿Qué coste tendría para un banco ver estos datos y tomar decisiones en base a la conclusión equivocada?
Hacer un análisis de datos y llegar a las conclusiones correctas no es magia, no es innato, no es algo que se sabe hacer simplemente porque conoces mucho un sector; requiere de conocimientos teóricos y de mucha mucha experiencia. ¿Por qué no le damos un AUTOCAD muy user frendly a la gente y que se diseñe su propia casa?.
Si se le da la importancia que merece al proceso de análisis de datos es obvio que debe ser llevado a cabo por un especialista, alguien capacitado para extraer riqueza de esa mina. Si no se plantea así, los resultados van a ser poco profundos y van a aportar mucho menos valor para las futuras actividades de la empresa.
Tal vez las empresas deberían plantearse el riesgo que corren ante una interpretación incorrecta de la información (igual que ante un diagnóstico médico echo por aficionados…), abrir una tienda dónde no era, sacar el producto que no toca, despedir al comercial que no debíamos, fijarnos en la APP del competidor que no es… igual nos sale caro. Tal vez es mejor seguir concentrando el análisis de información en perfiles especializados que lleguen a las conclusiones correctas y, eso sí, que las puedan compartir de manera ágil y sencilla con el resto de la organización.
Zapatero a tus zapatos, analísta a tus análisis