El verdadero trabajo de un científico de datos: contar historias

Todas las mañanas, en DoSomething.org, nuestros ordenadores nos reciben con un informe que contiene más de 350 millones de puntos de datos que rastrean el rendimiento de nuestra organización. Nuestro desafío como científicos de datos es traducir este pajar de información en una guía para que el personal pueda tomar decisiones inteligentes, ya sea elegir el titular correcto para la avalancha de correos electrónicos de hoy (¿deberíamos pedir a nuestros miembros que «tomen medidas ahora» o que «obtengan más información»?) o determinar el propósito de nuestra campaña de voluntariado de verano (¿campaña de donación de alimentos o campaña de reciclaje?).

En resumen, tenemos la tarea de transformar los datos en directivas. Un buen análisis analiza los resultados numéricos para comprender la organización. «Humanizamos» los datos convirtiendo las cifras brutas en una historia sobre nuestro desempeño.

Cuando mucha gente escucha «Big Data», piensa «Gran Hermano» (escriba «el big data es…» en Google y una de las principales recomendaciones es: «… observarlo»). El centro de esta ansiedad es la sensación de que los ordenadores no pueden rastrear ni cuantificar lo que significa ser humano. Este miedo está bien fundado. A medida que el coste de recopilar y almacenar datos sigue disminuyendo, el volumen de datos sin procesar de los que dispone una organización puede resultar abrumador. De todos los datos existentes, El 90% se creó en los últimos 2 años. Las organizaciones inundadas pueden perder de vista la diferencia entre lo que es significativo desde el punto de vista estadístico y lo que es importante para la toma de decisiones.

El uso exitoso de Big Data requiere traducción humana y contexto, ya sea para su personal o para las personas a las que su organización intenta llegar. Sin un marco humano, como las fotos o las palabras que hacen que las emociones destaquen, los datos solo confundirán y, desde luego, no conducirán a un comportamiento organizacional inteligente.

Los datos le dan el qué, pero los humanos conocen el por qué.

Las mejores decisiones empresariales provienen de intuiciones y conocimientos basados en datos. Utilizar los datos de esta manera permite a su organización desarrollar el conocimiento y la creatividad institucionales sobre una base sólida de información basada en los datos.

Para DoSomething.org, mapear nuestros datos de comunicación nos ofrece una ventana increíble para ver a nuestra audiencia. Tenemos más de 1,5 millones de usuarios y para cada uno tenemos cientos de puntos de datos sobre qué y cómo responden a las nuevas oportunidades de voluntariado a través del correo electrónico y los mensajes de texto. Así es como pasamos de 350 millones de puntos de datos a un cambio organizacional y cómo las organizaciones que se enfrentan a cantidades de información igualmente enormes pueden hacer lo mismo:

• Busque únicamente los datos que afecten a las principales métricas de su organización. En DoSomething.org, nuestro objetivo es aumentar la participación de los adolescentes en el voluntariado. Así que, cuando analizamos en profundidad nuestros datos el otoño pasado para determinar cómo aumentar esa métrica, empezamos con preguntas sencillas: ¿quién es más voluntario actualmente y cómo podemos encontrar más personas como ellas? Pudimos ignorar los grandes volúmenes de datos que no respondían a nuestras preguntas y centrarnos en lo que realmente importaba.

• Presente los datos para que todos puedan entender la información. Sugerencia: nunca muestre un análisis de regresión ni un gráfico de R. De hecho, nuestra presentación final tenía muy pocos números. Nos centramos en contar una historia clara con diapositivas e imágenes sencillas. Si bien utilizamos el análisis de regresión para encontrar una lista de variables importantes, visualizamos los datos para encontrar tendencias: incluso los analistas de datos descubren mucho mejor las tendencias geográficas (y demográficas subyacentes) en los mapas que en las tablas de regresión, especialmente cuando hay varios patrones subyacentes con relaciones ambiguas.

Al presentar los datos de forma visual, todo el personal pudo entender rápidamente la conversación y contribuir a ella. Todos podían ver las áreas de alta y baja participación. Eso me llevó a una gran idea: alguien ajeno al equipo de análisis se dio cuenta de que los miembros de las ciudades fronterizas de Texas participaban mucho más que los miembros de las ciudades de la costa noroeste.

• Volver a los datos con preguntas nuevas . Cuando supimos quiénes eran nuestros miembros más participativos, volvimos a los datos para ver qué campañas les gustaban más a esos miembros; en otras palabras, qué los llevó a participar. La respuesta resultó ser las campañas en torno a la mejora de la salud de la comunidad, un tema que afecta de manera desproporcionada a las minorías. Esta información nos permitió adaptar mejor nuestras campañas de voluntariado en el futuro para atraer a nuevos miembros, encontrar las asociaciones adecuadas para esas campañas y también destacar otra área potencial de crecimiento: los estudiantes universitarios blancos y varones del noroeste.

Los científicos de datos quieren creer que los datos tienen todas las respuestas. Pero la parte más importante de nuestro trabajo es cualitativa: hacer preguntas, crear directivas a partir de nuestros datos y contar su historia.

Únase a la conversación y vuelva a consultar las actualizaciones periódicas. Siga el centro de información de Scaling Social Impact en Twitter @ScalingSocial y envíenos su opinión.

Aumentar el impacto social
Información de HBR y The Bridgespan Group

• Crear un cambio social con las redes sociales
• ¿Puede la tecnología acabar con la pobreza?
• Un nuevo tipo de filantropía: donar datos
• Envíenos su opinión y reciba un artículo gratuito de HBR