A medida que la confianza en los datos y la analítica sigue aumentando en todos los sectores desde agricultura a fabricación, cuidado de la salud a servicios financieros, es lógico que la próxima generación de líderes de datos desempeñe funciones de gran alcance que afecten a la estrategia, la toma de decisiones, las operaciones y muchas otras funciones.

•••

Una vez al año, imparto un curso a los aspirantes a científicos de datos. Al principio de la primera clase, pregunto a mis alumnos qué esperan aprender. A menudo, sus respuestas son «analizar datos» o «crear buenos modelos». Compare esas respuestas con los talleres que imparto con científicos de datos en ejercicio que hablan en diferentes términos cuando hablan de lo que hacen. Lo llaman «resolver problemas», un paso en la dirección correcta, pero incluso eso es demasiado limitado. A medida que la confianza en los datos y la analítica sigue aumentando en todos los sectores desdeagricultura afabricación, cuidado de la salud aservicios financieros, es lógico que la próxima generación de líderes de datos desempeñe funciones de gran alcance que afecten a la estrategia, la toma de decisiones, las operaciones y muchas otras funciones. Para ayudar a preparar a este nuevo talento, he desarrollado un marco compuesto por cuatro áreas clave de habilidades y capacidades que ayudarán a los científicos de datos actuales y futuros a perfeccionar sus habilidades para añadir el máximo valor a una empresa. Esto se hace garantizando que sus homólogos de funciones empresariales consideren importante e indispensable el trabajo de ciencia de datos. Con este marco y con una mayor comprensión de lo que implica cada área de negocio, los científicos de datos actuales y quienes se dedican a este campo pueden ver cómo se acumulan sus conocimientos y experiencias y dónde necesitan más desarrollo. ## 1. Detección de problemas: ver el verdadero problema A medida que profundizan en la analítica en toda la empresa, los líderes de datos están en primera fila para casi todas las operaciones y funciones. Esto les proporciona un punto de vista único tanto para resolver problemas como para identificar otros nuevos. He aquí un ejemplo del mundo real. El director de relaciones con los huéspedes de una cadena hotelera de gama media estaba recibiendo críticas de la alta dirección por las bajas valoraciones en su proceso de registro. Las encuestas revelaron que los huéspedes pensaban que la entrada estaba mal gestionada, tardaba demasiado y no ofrecía los resultados que querían, en concreto, una experiencia agradable y fluida. La gerencia también descubrió que las personas que valoraban mal la entrada tenían una tarifa más baja de regreso al hotel. El departamento de relaciones con los huéspedes contactó con el equipo de análisis de datos para averiguar la raíz del problema de registro. Incluso cuando analizaron la demografía de los clientes, el tipo de habitaciones que querían y si hacían el check-in en la recepción, en un quiosco o por teléfono (además de la hora del día, la época del año y si los clientes participaban en el programa de fidelización), el equipo de datos no pudo identificar la causa subyacente. Entonces, un empleado le sugirió que consultara las encuestas a los clientes que se habían recopilado de forma continua. Algunos análisis de textos en lenguaje natural revelaron algunos temas, a saber, la infraestructura hotelera no era óptima. Los huéspedes tenían problemas con el wifi, las llaves de la habitación de vez en cuando no funcionaban, los muebles estaban rotos o las habitaciones no estaban limpias cuando llegaban. Estos problemas no estaban directamente relacionados con la entrada, pero los huéspedes los atribuyeron al proceso de entrada porque es lo que recordaron. En resumen: el problema estaba en la gestión del hotel, no en el proceso de registro. La comida para llevar: Resolver el problema que se le presenta puede significar perder oportunidades de ayudar a la empresa a mejorar de otras maneras. Quienes trabajan con datos suelen tener acceso a información profunda y única sobre numerosos aspectos de la empresa. Para convertirse en expertos en la detección de problemas, los líderes de datos tienen que adoptar esa visión global y obtener una visión más profunda, con una mayor transparencia en torno a lo que más les importa a los líderes empresariales. De esta manera, los líderes de datos pueden añadir valor al identificar los problemas que, de otro modo, pasarían desapercibidos. ## 2. Alcance del problema: ganar claridad y especificidad Una vez detectado un problema, el siguiente paso es determinar su alcance, es decir, aclarar la naturaleza del problema y la forma en que los análisis pueden ayudar a resolverlo. Esto es especialmente importante si un líder empresarial se ha dirigido al equipo de datos con una duda o un desafío vagos. En mis clases y talleres, practicamos la medición con un ejercicio. Asumo el papel de líder de producto, estrategia o marketing con un problema bien definido en la cabeza. Por ejemplo, tal vez gestione los clientes y quiera poder identificar qué clientes corren el riesgo de obtener una puntuación neta de promotores (NPS) baja para que podamos intervenir y mejorar su experiencia. Cualquier científico de datos razonable sabría cómo seleccionar los datos y las técnicas de ciencia de datos adecuadas para resolver este problema. Pero los líderes empresariales rara vez hablan así. Así que abordo el problema con una jerga exagerada y términos demasiado generales. Es más o menos así: «Nos esforzamos por alcanzar los objetivos de SAT de nuestros clientes; tenemos que centrarnos en nuestras estrategias de salida al mercado. Podría ser un problema de oleoducto, pero simplemente no tenemos alineación. Creo que estamos jugando en las cajas de arena adecuadas, ahora solo necesitamos saber el quién y el por qué. ¿Suena bien?» Un estudiante, en el papel de científico de datos, practica hacer preguntas aclaratorias, tal vez empezando por: «¿Qué quiere decir con ‘alineación’?» y «¿Cómo medimos los objetivos de satén de los clientes?» y «¿Qué medidas indican que hemos tenido éxito (o no)?» Lo que sigue es un proceso iterativo de extracción de información para ayudar a elaborar un problema bien definido que se pueda resolver con herramientas y conceptos de análisis de datos. En mi trabajo de director de análisis con los clientes, una de las partes más importantes (y desafiantes) de mi trabajo es coger lo que tiene en la cabeza un líder empresarial y convertirlo en un problema empresarial con un alcance adecuado. Tengo una lista de preguntas de sondeo que hago, como: – ¿Cuál es, precisamente, el problema que estamos intentando resolver? – ¿Qué resultados, si se mejoran, indicarían que el problema se ha resuelto realmente? – ¿Qué datos estarían disponibles idealmente para resolver el problema y qué datos están realmente disponibles? – ¿Cómo conducirá el análisis a una solución? Podría decirse que responder a la última pregunta es la parte más importante, ya que determinará la técnica analítica adecuada, por ejemplo, algunas ideas simples o un modelo de inferencia predictiva o causal más formal. En este caso, analizo muchos escenarios de «qué pasaría si» con el equipo empresarial, por ejemplo, «¿Y si los resultados muestran esto o aquello? ¿Cómo le ayudará eso a tomar una mejor decisión?» A menudo, los líderes empresariales tratan de dejar de lado esta pregunta y sugieren que podemos considerar la posibilidad de tomar medidas una vez que los resultados analíticos estén disponibles. Eso es un error. Saber cómo se traducirá el análisis en una solución es una parte clave de la formulación del plan analítico. La comida para llevar: Para sobresalir en la determinación del alcance de los problemas, los líderes de datos necesitan buenas habilidades de comunicación para analizar el problema con el líder empresarial y llegar a la especificidad necesaria que permita que las herramientas y conceptos de análisis de datos contribuyan de manera significativa al negocio. Solo entonces se podrá entregar el problema al equipo de datos para que lo analice. ## 3. Búsqueda de problemas: obtener actualizaciones, recopilar comentarios Una vez identificado y analizado el problema, muchos analistas de datos se aíslan y solo salen cuando han encontrado una solución. Este enfoque es muy problemático. Para que sea más eficaz, el proceso requiere compartir mucha información y establecer expectativas, o lo que yo llamo pastoreo de problemas. Para los líderes de datos, esto significa permitir que su equipo se sienta más cómodo con la prestación preliminar resultados para el equipo empresarial. Cada intercambio se convierte entonces en una oportunidad para recopilar comentarios. Por ejemplo, «¿Estos resultados iniciales son de interés para el equipo empresarial?» y «¿Estamos definiendo los términos correctamente?» De una actualización a la siguiente, los resultados se combinan con actualizaciones secuenciales hasta la conclusión del proyecto. Este enfoque va en contra de la forma en que prefieren trabajar algunos científicos de datos. A veces se enamoran de sus modelos y sus técnicas creativas de resolución de problemas, y están ansiosos por la gran revelación. Pero las «grandes revelaciones» son una mala práctica, ya que corren el peligro de resultar contraproducentes. Sorprender demasiado en la presentación final puede poner al público a la defensiva. ¿El motivo? Los resultados sorprendentes suelen hacer que la gente empiece a cuestionar los datos y los métodos subyacentes. Todos los modelos de datos requieren suposiciones (por ejemplo, qué hacer con los datos que faltan, cómo tratar los valores atípicos, etc.). Si los equipos de datos que trabajan activamente en los análisis no divulgan ni discuten sus suposiciones con antelación y, en cambio, esperan hasta el final, el equipo empresarial acumulará preguntas y analizará los puntos débiles. Sin embargo, al incluir al equipo empresarial en la toma de decisiones a lo largo del camino, aceptará los resultados y comprometerá su confianza. Muchos líderes empresariales me han dicho que las mejores entregas finales de datos son aquellas en las que no hay sorpresas. Siempre han estado trabajando en estrecha colaboración con el equipo de datos y la entrega o presentación final es simplemente la culminación de su trabajo hasta la fecha. Así es como la gestión de problemas consigue la aceptación a través de la colaboración, lo que pone de manifiesto las difíciles decisiones que deben tomar los científicos de datos. La comida para llevar: La gestión de problemas establece un proceso de proporcionar actualizaciones periódicas y recopilar comentarios del equipo empresarial. Los científicos de datos y los líderes de equipo con experiencia en este ámbito son capaces de fomentar y facilitar las conversaciones sinceras para garantizar que la entrega final dé en el blanco con el equipo empresarial, sin sorpresas. ## 4. Traducción de soluciones: hablar en el idioma de la audiencia En este momento, pasamos del problema a la solución, cuyo éxito depende de lo bien que los líderes de datos y sus equipos hayan ejecutado los tres primeros pasos. Más que determinar la respuesta final, el equipo de datos también debe ofrecer una solución que sea comprensible y, por lo tanto, procesable. No se trata solo de poner los datos en un gráfico u otra pantalla visual. Más bien, la solución (ya sea información sobre los datos o un nuevo curso de acción recomendado por el modelo) debe transmitirse en un lenguaje que el equipo empresarial pueda entender. Una herramienta que he recomendado es lanota de análisis de datos de dos páginas, que destaca los elementos más importantes del problema que hay que resolver. Si bien dos páginas pueden parecer muy resumidas, especialmente en comparación con los voluminosos informes que suelen generar los equipos de datos, la brevedad es el poder detrás de esta arma secreta. El límite de dos páginas puede evitar la tentación de hablar una y otra vez sobre los detalles del análisis de datos y fomentar que se centre en las recomendaciones que se hacen y en las pruebas que las respaldan. Desde luego, no soy el único que aboga por memorandos más cortos. El fundador de Amazon, Jeff Bezos, exigió a los ejecutivos que presentaran sus ideas enmemorandos de seis páginas (en lugar de una presentación en PowerPoint) que pueda digerirse y discutirse fácilmente. La comida para llevar: La traducción de soluciones requiere que los líderes de datos den un paso atrás y consideren cómo lograr el máximo impacto con sus análisis y recomendaciones. Mediante el uso de un lenguaje sencillo, sin comprometer la complejidad, los líderes de datos que destaquen en este área pueden ofrecer el equivalente a un discurso de ascensor para atraer a los líderes empresariales con soluciones convincentes y comprensibles. A medida que los datos y la analítica se integran cada vez más en la toma de decisiones y las soluciones empresariales, los equipos de datos deben ir mucho más allá de la simple resolución de los problemas que se les han asignado. Los líderes de datos y sus equipos deben centrarse, en cambio, en los términos «colaboración y comunicación». Esto significa hacerse más expertos en funciones más amplias que les ayuden a detectar el problema real, determinar su naturaleza e importancia, guiar el proceso con actualizaciones periódicas y ofrecer y traducir soluciones que realmente tengan un impacto.