Guia para la toma de decisiones basada en datos- procesos, consejos y beneficios La toma de decisiones
El big data es quizas la palabra de moda mas grande de la ultima decada, y por una buena razon. Los datos son fundamentales para la forma en que las empresas operan hoy en dia, tanto es asi que, segun la Corporacion Internacional de Datos, se preve que el gasto en datos y analisis alcanzara los 274,3 mil millones de dolares para 2022.
Mucho de esto tiene que ver con lo facil que se ha vuelto recopilar informacion digital y aprovecharla en inteligencia empresarial accionable. Esto, a su vez, ha ayudado a promover un cambio de pensamiento entre los lideres empresariales, muchos de los cuales han pasado de depender simplemente de la intuicion a emplear procesos de toma de decisiones basados en datos.
Si bien la intuicion puede ser util en ciertas situaciones, seria absurdo basar todas las decisiones empresariales en el instinto. Despues de todo, la sensacion de intestino no se puede registrar, verificar y cuantificar. Para ello, las empresas necesitan analisis de datos. La adopcion de
decisiones basadas en datos (DDDM) es esencialmente el proceso de toma de decisiones empresariales basadas en datos cuantificables reales en lugar de conjeturas. Viene despues de la aparicion de tecnologias de analisis de datos, que han hecho que la inteligencia empresarial sea mas accesible para los analistas que no son de datos.
Esta tendencia, conocida como democratizacion de datos, ha abierto mas oportunidades para que las empresas recopilen informacion de sus actividades, que van desde el inventario y la adquisicion hasta el servicio al cliente y las ventas entre muchos otros departamentos. Lo que es mas importante, las empresas pueden utilizar estos datos para tomar decisiones empresariales sin requerir un amplio soporte de TI e infraestructura.El
DDDM suele incluir las siguientes actividades-
- Recopilacion de datos basados en metricas e indicadores clave de rendimiento (KPI)
- Identificacion y analisis de patrones a partir de los datos
- Uso de los conocimientos para desarrollar estrategias y actividades para mejorar las operaciones empresariales y lograr negocios
DDDM no solo se ve bien en el papel, sino que tambien genera resultados. Una encuesta de PwC realizada a mas de 1.000 altos directivos revelo que las organizaciones altamente basadas en datos tienen tres veces mas probabilidades de ser eficaces en la toma de decisiones que aquellas que optaron por no utilizar sus datos.
5 Pasos para tomar decisiones basadas en datos
Aunque no existe una metodologia unica aceptada para tomar decisiones basadas en datos, la mayoria de las organizaciones tienden a seguir estos pasos al aprovechar la inteligencia empresarial.
1. Establecer objetivos para el analisisde
datos Un analista de datos eficaz es alguien que entiende la organizacion y sus objetivos empresariales generales. Comience por hacer preguntas como-
- Cuales son los problemas mas apremiantes exclusivos de la industria? A la organizacion?
- A que retos se enfrenta regularmente la empresa?
- Cuales son los principales objetivos de negocio de la empresa?
- Como puede la recopilacion y el analisis de datos ayudar a la empresa a alcanzar estos objetivos?
Conocer las respuestas a estas preguntas establece un conocimiento fundamental que ayuda a la empresa a comprender la relacion entre los datos y sus objetivos de negocio. Tambien permite a la organizacion simplificar sus metodos de recopilacion de datos y evitar perder tiempo y recursos.
2. Lista de origenes de datos
A continuacion, identifique las fuentes desde las que la empresa recogera los datos. Esto puede incluir cualquier cosa, desde bases de datos existentes (por ejemplo, inventario, proveedores, suscriptores de boletines) hasta formularios de retroalimentacion de los consumidores.
Las empresas deben coordinar sus fuentes de datos mediante la busqueda de puntos comunes entre variables de diferentes conjuntos de datos. Por supuesto, esto es mas facil decirlo que hacer, ya que es mucho mas conveniente utilizar los datos para sus propositos actuales. Sin embargo, este mismo conjunto de datos podria utilizarse para otros proyectos en el futuro.
Por ejemplo, una empresa con una tasa inusualmente alta de empleados que renuncian en el plazo de un ano a partir de la incorporacion puede inferir que algo puede estar mal en sus equipos directivos y supervisores. Pero este mismo conjunto de datos tambien se puede utilizar para mejorar las practicas de contratacion de la empresa, tal vez mejorando las descripciones de puestos para gestionar mejor las expectativas.
3. Limpieza de los datos
El advenimiento del analisis de datos ha facilitado que nunca la recopilacion de volumenes masivos de datos. Pero este es solo el primer paso. El siguiente obstaculo es limpiar y organizar esos datos para su analisis.
Segun IBM, la organizacion de datos puede ocupar facilmente el 80% del tiempo de un analista de datos, con solo un 20% dedicado al analisis real, un problema que se conoce como la regla 80/20. Esto subraya la importancia de tener datos limpios y organizados antes de intentar interpretar su significado para el negocio.
Una plataforma confiable de analisis de datos hara poco trabajo de esto. Pero la limpieza de datos tambien se puede hacer manualmente en un programa de hoja de calculo. Una vez que los conjuntos de datos se han organizado y catalogado en tablas, simplemente cree un diccionario de datos, un repositorio de informacion como el significado de los datos, la relacion entre los conjuntos de datos, el origen de las figuras y los formatos de datos.
4. Realizar analisis estadistico
Despues de limpiar y organizar los datos, los analistas de datos de la empresa pueden comenzar a construir modelos estadisticos para probar la exactitud de los datos y confirmar las hipotesis o preguntas identificadas en las etapas anteriores del proceso de recopilacion de datos. Ejemplos de modelos estadisticos incluyen arboles de decision, regresiones y modelado aleatorio de bosques.
Cualquiera que sea el modelo que se utilice, los analistas de datos tendran que decidir la mejor manera de presentar la informacion a los principales interesados de la organizacion. Esto se puede hacer de una o mas de las siguientes maneras-
- Presentacion descriptiva que proporciona datos cuantificables
- Presentacion inferencial que proporciona una interpretacion contextual de los hechos dentro de un proyecto concreto
- Presentacion predictiva, donde se recomienda la adopcion de medidas adicionales sobre la base de la interpretacion de las conclusiones
5.
Por ultimo, el proceso de DDDM termina con una conclusion basada en el analisis de los datos. En pocas palabras, esto implica hacer la pregunta- Que aprendimos de la recopilacion y el analisis de datos?
Contrariamente a la creencia popular, la conclusion no tiene por que ser el descubrimiento de algo nuevo. Tambien puede confirmar algo que el negocio ya sabe o sospecha. Por ejemplo, un negocio minorista nota que sus acciones tienden a agotarse durante las vacaciones- noviembre y diciembre. Pero antes de realizar cualquier cambio en el inventario, decide examinar los datos historicos de inventario para determinar si esta hipotesis es verdadera o no.
Tambien es importante recordar que los hallazgos y conclusiones solo son utiles si se presentan de manera efectiva. Esto significa que los analistas de datos tambien deben ser expertos en la creacion de narrativas a traves de tecnicas como la visualizacion de datos.
Directrices generales para la toma de decisiones basada en datos
A pesar del alto nivel de interes en la tecnologia y los servicios para el analisis de datos, existe una desconexion entre cuanto estan gastando las empresas en sus capacidades de analisis de datos y la eficacia con que utilizan los datos en su organizacion. Segun una encuesta realizada a 64 ejecutivos de nivel C, solo el 72% dijeron que eran capaces de fomentar una cultura basada en datos en sus respectivas organizaciones.
Esta desconexion a menudo se debe a un malentendido fundamental de lo que significa ser una organizacion basada en datos. No se trata solo de tecnologia y datos de calidad, sino tambien de contar con la cultura y los procesos internos adecuados para tomar decisiones basadas en datos.
Las siguientes directrices deberian ayudar a las empresas a ser mas eficaces en el DDDM.
1. Comprobar sesgos personales
Todos tienen sus sesgos, lo que puede dificultar ser completamente objetivo al tomar decisiones basadas en datos. Como dice el adagio, la gente ve lo que quiere ver. Afortunadamente, hay maneras de evitar que los sesgos contaminen el analisis de datos y el DDDM.
- Reconocer el desafio del sesgo. El simple hecho de ser consciente de que existe un sesgo va en gran medida hacia la reduccion de su impacto.
- Trabajar en equipo. Esto garantiza que los analistas de datos puedan mantenerse entre si bajo control.
- Busque datos conflictivos y haga las preguntas correctas para probar suposiciones y hallazgos iniciales.
2. Comience a recopilar datos tan pronto como sea posiblela
recopilacion de datos debe ocurrir el dia en que la empresa decida estar mas orientada a los datos. Debe haber un esfuerzo consciente para no solo recopilar y registrar informacion, sino tambien para crear un sistema para limpiar y organizar los volumenes de datos que recopilara la empresa.
3. Hacer las preguntas correctas
Hacer las preguntas correctas de analisis de datos ayuda al equipo a centrarse en los datos relevantes, evitando que caigan en agujeros de conejo y persiga pistas que no van a ninguna parte.
Esto se remonta a los objetivos del equipo de analisis de datos. Que quiere aprender exactamente el equipo de los datos? Que KPI se usaran para medir variables? De donde procederan los datos? Estas son solo algunas de las muchas preguntas que los analistas de datos deberian hacer.
4. Busque datos para responder a estas preguntas
A continuacion, busque los datos para responder a las preguntas identificadas en la etapa anterior. Determine si estos datos ya se han recopilado previamente o si existe la necesidad de establecer nuevos mecanismos para adquirirlos (tanto interna como externamente).
5. No dude en volver a visitar y reanalizar los
equipos de analisis de datos no deben tener miedo de dar un paso atras y repensar su interpretacion de los datos. Los cambios estan obligados a ocurrir, pero los analistas deberian verlos como fracasos. Mas bien, estos momentos deben ser abordados como oportunidades para aprender y mejorar sus practicas de analisis de datos. Comprender donde salio mal el analisis y rectificar las cosas de inmediato producira resultados mas precisos.
6. Presentar los datos de manera significativa
Los resultados del analisis de datos empresariales solo pueden ser utiles si se presentan de manera significativa. Mediante el uso de herramientas de software, los equipos de analisis de datos pueden crear un panel personalizado que cuenta una historia de datos actualizada, ayudando a la organizacion a tomar decisiones eficaces basadas en datos.
Por ejemplo, un panel de previsiones de ventas proporcionara una vision general de los KPI financieros mas importantes de la empresa, como ventas, gastos operativos, margen de beneficio neto y ganancias esperadas.
7. Establecer objetivos de toma de decisiones mensurables
En esta etapa, es el momento de empezar a tomar decisiones empresariales. Sin embargo, es importante recordar que cualquier decision basada en datos del analisis debe estar alineada con la estrategia y los objetivos generales de la empresa. Es imperativo que los analistas de datos establezcan objetivos medibles para asegurarse de que estan en el camino correcto.
Beneficios de ser un negocio impulsado por datos
Aunque la toma de decisiones basada en datos es una disciplina compleja con multiples ventajas, los tres beneficios mas convincentes son- Toma de
- decisiones confiada - El uso de datos para guiar los procesos de toma de decisiones de la empresa resulta en decisiones mas objetivas que puedan verificarse, probarse e incluso replicarse en determinadas condiciones.
- Ahorro de costos - Segun una encuesta de Harvard Business Review, el 49% de las organizaciones que se embarcaron en proyectos de datos para reducir los gastos operativos obtuvieron resultados positivos.
- decisiones proactiva- con suficiente tiempo y practica, las empresas que toman decisiones basadas en datos aprenderan a aprovechar su analisis de una manera mas proactiva, como por ejemplo, pronosticando la demanda o determinando el ajuste del mercado del producto de los productos aun en desarrollo.
Por supuesto, la capacidad de cualquier organizacion para tomar decisiones empresariales basadas en datos depende de la suposicion de que esta trabajando con datos precisos.
Las practicas de administracion de datos, como la integracion de datos (DI), manejan este desafio al consolidar la informacion cuantificable que reside en multiples fuentes en un conjunto de datos que ofrece una vista en tiempo real del rendimiento del negocio. La integracion de la inteligencia artificial y el aprendizaje automatico en los sistemas DI mejora aun mas su capacidad de almacenar valores y metadatos de datos precisos y completos.
Por ultimo, una organizacion basada en datos debe reexaminar, cuestionar y reanalizar continuamente sus decisiones basadas en datos. Es posible que las organizaciones tambien necesiten cambiar sus objetivos empresariales en funcion de sus circunstancias y panorama, lo que, a su vez, significa adoptar un nuevo enfoque de analisis de datos.
7 Pasos del proceso de toma de decisiones empresariales
Analisis predictivo de ventas- Que es y cuales son los beneficios?
