Introducción a las decisiones basadas en datos para los directivos a los que no les gustan las matemáticas

No pasa una semana sin que publiquemos algo aquí en HBR sobre el valor de los datos en los negocios. Macrodatos, pequeños datos, internos, externos, experimentales, observacionales: dondequiera que miremos, la información se captura, cuantifica y utiliza para tomar decisiones empresariales.

No todo el mundo necesita convertirse en cuantitativo. Pero vale la pena repasar los conceptos básicos del análisis cuantitativo para entender y mejorar el uso de los datos en su empresa. Hemos creado una lista de lectura con los mejores artículos de HBR sobre el tema para que pueda empezar.

Por qué son importantes los datos

Las empresas están absorbiendo datos para tomar mejores decisiones sobre todo, desde el desarrollo de productos y publicidad a contratación. En sus Artículo de 2012 sobre macrodatos, Andrew McAfee y Erik Brynjolfsson describen la oportunidad e informan que «las empresas del tercio más importante de su sector en cuanto a la toma de decisiones basada en los datos eran, de media, un 5% más productivas y un 6% más rentables que sus competidores», incluso teniendo en cuenta varios factores de confusión.

Esto no debería sorprendernos, sostiene McAfee en un par de publicaciones recientes. Los datos y los algoritmos tienden a superar a la intuición humana en un gran variedad de circunstancias.

Elegir las métricas correctas

«Hay una diferencia entre los números y los números que importan», escriben Jeff Bladt y Bob Filbin en una publicación del año pasado. Uno de los pasos más importantes para empezar a tomar decisiones con los datos es elegir las métricas correctas. Las buenas métricas «son consistentes, baratas y rápidas de recopilar». Pero lo más importante es que deben captar algo que le importe a su empresa.

La diferencia entre análisis y experimentos

Los datos pueden provenir de todo tipo de fuentes, incluidas encuestas a clientes, software de inteligencia empresarial e investigaciones de terceros. Una de las distinciones más importantes que hay que hacer es entre análisis y experimentos. La primera proporciona datos sobre lo que ocurre en una empresa, la segunda pone a prueba activamente diferentes enfoques con diferentes segmentos de consumidores o empleados y mide la diferencia de respuesta. Para obtener más información sobre para qué se pueden utilizar los análisis, lea el artículo de 2013 de Thomas Davenport en HBR Análisis 3.0. Para obtener más información sobre cómo realizar experimentos con éxito, pruebe estos dos artículos.

Haga las preguntas correctas sobre los datos

Aunque el análisis estadístico se dejará en manos de los analistas cuantitativos, los directivos tienen un papel fundamental que desempeñar al principio y al final del proceso, al formular la pregunta y analizar los resultados. En el Artículo de 2013 Manténgase al día con sus cifras, Thomas Davenport enumera seis preguntas que los directivos deberían hacerse para refutar las conclusiones de sus analistas:

1. ¿Cuál era la fuente de sus datos?

2. ¿Qué tan bien representan los datos de la muestra a la población?

3. ¿Su distribución de datos incluye valores atípicos? ¿Cómo afectaron a los resultados?

4. ¿Qué suposiciones hay detrás de su análisis? ¿Podrían determinadas condiciones invalidar sus suposiciones y su modelo?

5. ¿Por qué se decidió por ese enfoque analítico en particular? ¿Qué alternativas consideró?

6. ¿Qué probabilidades hay de que las variables independientes estén provocando realmente los cambios en la variable dependiente? ¿Podrían otros análisis establecer la causalidad con más claridad?

El artículo también ofrece una introducción a cómo encuadrar las preguntas sobre datos. Para un recorrido más breve sobre cómo pensar como un científico de datos, pruebe esta publicación sobre la aplicación de un razonamiento estadístico muy básico al ejemplo diario de las reuniones.

Correlación frente a causa y efecto

La frase «la correlación no es causalidad» es común, pero averiguar lo que implica en el contexto empresarial no es tan fácil. ¿Cuándo es razonable actuar sobre la base de una correlación descubierta en los datos de una empresa?

En este post, Thomas Redman examina el razonamiento causal en el contexto de su propia dieta para hacerse una idea de cómo funciona la causa y el efecto. Y David Ritter, de BCG, ofrece un marco para decidir cuándo la correlación es suficiente para actuar en consecuencia aquí:

Cuanto más frecuente sea la correlación y menor sea el riesgo de equivocarse, más sentido tendrá actuar en función de esa correlación.

Conozca los conceptos básicos de la visualización de datos

Regla #1: No más círculos de basura. Para decidir la mejor manera de mostrar sus datos, pregunte estas cinco preguntas. Asegúrese de echar un vistazo a algunos de los las mejores infografías de todos los tiempos. Y antes de presentar sus datos a la junta, consulte esta serie sobre cómo persuadir con datos. (No olvide contar una buena historia.)

Aprenda las estadísticas

Hace un par de años, Davenport declaró en HBR que los científicos de datos tienen el trabajo más sexy del siglo XXI. ¿Su consejo para el resto de nosotros? Si no tiene un conocimiento pasajero de la introducción a la estadística, valdría la pena repasarlo.

Eso no tiene por qué significar volver a la escuela, como aconseja Nate Silver en una entrevista con HBR. «El mejor entrenamiento casi siempre va a ser el entrenamiento práctico», afirma. «Ensuciarse las manos con el conjunto de datos es, creo, mucho mejor que dedicar demasiado tiempo a leer y demás».