Cómo tomar mejores decisiones con menos datos
por Tanya Menon, Leigh Thompson
María, una ejecutiva de servicios financieros, se quedó mirando otra invitación del calendario en Outlook que seguramente le acabaría con tres horas del día. Cada vez que se presentaba un problema difícil, la respuesta precipitada de su jefe era: «¡Recopile más datos!» María apreciaba el enfoque analítico de su jefe, pero a medida que las encuestas, los informes y las estadísticas empezaron a acumularse, quedó claro que el equipo estaba atrapado en la parálisis del análisis. Y a pesar de las numerosas reuniones, grupos de trabajo, sesiones de intercambio de ideas y talleres que se creaban para resolver un tema determinado, el equipo tendía a ofrecer las mismas soluciones, a menudo recicladas de problemas anteriores.
Como parte de nuestra investigación para nuestro libro, Deje de gastar, empiece a gestionar, preguntamos a 83 ejecutivos cuánto calculaban que sus empresas desperdiciaban en análisis incesantes a diario. Reportaron la enorme cantidad de 7.731 dólares al día, ¡2.822.117 dólares al año! Sin embargo, a pesar de todos los datos disponibles, las personas suelen esforzarse por convertirlos en soluciones eficaces a los problemas. En cambio, son víctimas de lo que Jim March y sus coautores describen como Toma de decisiones sobre el «cubo de basura»: un proceso en el que los actores, los problemas y las posibles soluciones se arremolinan en un basurero metafórico y la gente termina de acuerdo en cualquier solución que llegue a la cima. El problema no es falta de datos dentro del basurero; la enorme cantidad de datos hace que los gerentes se esfuercen por priorizar lo que es importante. Al final, acaban aplicando datos arbitrarios a nuevos problemas y llegan a una solución deficiente.
Serie Usted y su equipo
Pensar estratégicamente
Cuatro formas de mejorar sus habilidades de pensamiento estratégico
- Nina A. Bowman
Haga que el pensamiento estratégico forme parte de su trabajo
- Ron Carucci
6 formas de seleccionar a los candidatos a un puesto de trabajo con un pensamiento estratégico
- John Sullivan
Para frenar la toma de decisiones basura, los directivos y sus equipos deberían pensar más detenidamente en la información que necesitan para resolver un problema y pensar más estratégicamente en cómo aplicarla a la toma de decisiones y a las acciones. Recomendamos el enfoque Data DIET, que proporciona cuatro pasos de pensamiento intencional para ayudar a convertir los datos en conocimiento y sabiduría.
Paso 1: Definir
Cuando los equipos y las personas piensan en un problema, es probable que se lancen directamente a sugerir posibles soluciones. Es la base de muchas sesiones de lluvia de ideas. Pero si bien la perspectiva de resolver problemas suena positiva, la gente tiende a obsesionarse con los enfoques conocidos en lugar de volver a entender los contornos del problema.
Empezar con un búsqueda de problemas mentalidad, en la que se flexibilizan las definiciones en torno al problema y se permite que la gente lo vea desde diferentes ángulos, exponiendo así suposiciones ocultas y revelando nuevas preguntas antes de que comience la búsqueda de datos. Con su equipo, piense en las preguntas críticas sobre el problema para entender perfectamente su complejidad: ¿Cómo entiende el problema? ¿Cuáles son sus causas? ¿Qué suposiciones tiene su equipo? Como alternativa, escribir sobre el problema (sin proponer soluciones) desde diferentes perspectivas (el cliente, el proveedor y el competidor, por ejemplo) para ver la situación de nuevas maneras.
Play
Play
00:00
Play
Seek 10 seconds backwards
Seek 10 seconds forward
00:00 / 00:00
Mute
Settings
Picture in picture
Fullscreen
.video-summary-list-container { height: 100%; } .video-summary-list-container .MuiScopedCssBaseline-root { height: 100%; }
Summary & chapters
Read as overview
.chapters-list-module_intro__74vPf { padding: 16px; border-bottom: 1px solid rgba(255, 255, 255, 0.2); } .chapters-list-module_chapter__uKhQh { padding: 0 16px 16px 8px; border-bottom: 1px solid rgba(255, 255, 255, 0.2); .MuiPaper-root .MuiButtonBase-root .MuiAccordionSummary-content { margin-top: 16px; margin-bottom: 0; } .MuiPaper-root .MuiCollapse-root .MuiCollapse-wrapper .MuiAccordionDetails-root { padding-bottom: 0; } } .chapters-list-module_chapter-header__Pu4Xi { width: 100%; margin-right: 8px; } .chapters-list-module_chapter-header-content__JIOjX { flex-grow: 1; padding: 8px; border-radius: 8px; cursor: pointer; } .chapters-list-module_chapter-header-content__JIOjX:hover { background-color: rgba(0, 0, 0, .2); } .chapters-list-module_chapter-header-expand-icon__tLLZ9 { margin-top: 16px; } .chapters-list-module_chapter-header-text__bPoKD { font-size: 11px; font-weight: 400; letter-spacing: 1px; text-transform: uppercase; } .chapters-list-module_chapter-bullet-icon__kCL9n { font-size: 11px; font-weight: 400; letter-spacing: 1px; text-transform: uppercase; } .chapters-list-module_chapter-intro__H-iVR { display: flex; align-items: center; gap: 8px; margin-bottom: 2px; } .chapters-list-module_chapter-description__ziIpd { margin: 0 -16px 0 -8px; } .chapters-list-module_intro-text__Sqgju { } .chapters-list-module_chapter-description__ziIpd, .chapters-list-module_intro-text__Sqgju { font-size: 16px !important; white-space: pre-wrap; }
Una vez que tenga una mejor visión del problema, podrá continuar con una búsqueda de datos disciplinada. Evite los retrasos en la toma de decisiones haciendo que las solicitudes de datos rindan cuentas a las declaraciones de «si es entonces». Hágase una pregunta sencilla: Si recopilo los datos, entonces¿cómo cambiaría mi decisión? Si los datos no cambian su decisión, no necesita buscar la información adicional.
Paso 2: Integrar
Una vez que haya definido el problema y los datos que necesita, debe utilizar esa información de forma eficaz. En el ejemplo anterior, María se sentía frustrada porque, a medida que el equipo recogía más y más piezas del rompecabezas, no invertían la misma cantidad de tiempo en ver cómo encajaban las piezas. Sus creencias o suposiciones subconscientes sobre los problemas guiaron su comportamiento y hicieron que siguieran la misma rutina agotadora una y otra vez: recopilar datos, celebrar reuniones, crear una estrategia para seguir adelante. Pero esto es una toma de decisiones basada en un bote de basura. Para evitar que las piezas se unan de forma arbitraria, tiene que analizar los datos de otra manera.
Este artículo aparece también en:
Guía de HBR para pensar estratégicamente
Estrategia y ejecución LIBRO
- Harvard Business Review
19.95
La integración le permite analizar cómo encajan su problema y sus datos, lo que le permite analizar sus suposiciones ocultas. Con su equipo, cree un Diagrama KJ (que lleva el nombre de la autora Kawakita Jiro) para clasificar los hechos en relaciones causales. Escriba los datos en tarjetas de notas y clasifíquelos en pilas según las relaciones observables, por ejemplo, un aumento de clientes tras una iniciativa exitosa, una caída de las ventas provocada por el retraso de un proyecto o cualquier otro punto de datos que pueda indicar artículos correlacionados o relaciones causales. De este modo, puede crear un modelo visual de los patrones que surgen y establecer conexiones en los datos.
Paso 3: Explorar
En este punto del proceso, puede que tenga algunas ideas o soluciones iniciales basadas en sus diagramas KJ. Ahora es el momento de desarrollarlos. Para facilitar la exploración colaborativa, uno de nuestros ejercicios favoritos (que se utiliza a menudo en las escuelas de arte) es lo que llamamos el juego de pases. Asigne ideas distintas a cada miembro del equipo y dé a cada persona cinco minutos para desarrollarlas dibujando o escribiendo en silencio. Luego, pídale que pasen su trabajo a un compañero de equipo, que seguirá redactando la idea mientras él se hace cargo de la creación de un compañero de equipo.
Hable sobre la producción colaborativa. Los compañeros de equipo reconocen lo que se siente al renunciar a la «propiedad» de una idea y lo que se siente tanto al editar como al ser editado; también reconocen sus suposiciones implícitas sobre la colaboración. La nueva perspectiva los obliga a enfrentarse a direcciones que no eligieron o que nunca habrían considerado. De hecho, puede añadir varios pases secuenciales (como en un juego de teléfono) para demostrar la impredecible evolución de la idea, ya que tres o cuatro compañeros de equipo juegan con las ideas iniciales. Después de permitir a la gente este espacio de exploración, discuta las instrucciones que son más fructíferas.
Paso 4: Prueba
La última dimensión exige que los miembros del equipo utilicen sus poderes de pensamiento crítico para considerar la viabilidad y corregir el exceso de alcance. Diseñe pruebas para comprobar si su plan futuro funciona. ¿En qué tipo de situaciones fallará la solución? Seleccione unas cuantas pruebas críticas y ejecútelas. Si bien las personas suelen recopilar en exceso datos que respaldan sus antecedentes, las personas recopilan de forma insuficiente datos que no lo confirman. Haciendo una sola prueba que lucha contra los sesgos de confirmación, puede ver lo que necesita ver, aunque no quiera.
La solución a las decisiones basura no es eliminar los datos por completo. Pensar estratégicamente en sus necesidades de datos lo empuja a hacer más con menos: ampliar, profundizar, integrar, ampliar y probar los datos que tiene para convertirlos en conocimiento y sabiduría. Al practicar los ejercicios mentales anteriores con su equipo, puede reducir su apetito por los datos y, al mismo tiempo, digerir mejor los datos de los que dispone.
Artículos Relacionados

Investigación: La IA generativa hace que la gente sea más productiva y esté menos motivada

Arreglar los chatbots requiere psicología, no tecnología
Los chatbots dotados de IA se están convirtiendo en el nuevo estándar para la gestión de consultas, reclamaciones y devoluciones de productos, pero los clientes se alejan de las interacciones con los chatbots sintiéndose decepcionados. La mayoría de las empresas intentan solucionar este problema diseñando mejores modelos de IA en sus chatbots, pensando que si los modelos suenan lo suficientemente humanos, el problema acabará desapareciendo. Pero esta suposición es errónea. Esto se debe a que el problema de fondo no es tecnológico. Es psicológico: Hay que engatusar a la gente para que vea a los chatbots como un medio positivo de interacción. Los autores han analizado recientemente las últimas investigaciones sobre chatbots e interacciones IA-humanos, y en este artículo presentan seis acciones probadas que puede llevar a cabo al desplegar su chatbot de IA para impulsar la satisfacción, la percepción positiva de la marca y las ventas.

Investigación: ¿Está penalizando a sus mejores empleados por desconectar?
Para combatir el creciente desgaste del personal, muchas empresas han defendido programas de bienestar y han fomentado un enfoque renovado en el equilibrio entre la vida laboral y personal. Pero un nuevo estudio descubrió que incluso cuando los líderes reconocían que desvincularse del trabajo aumenta el bienestar de los empleados y mejora su rendimiento laboral, los directivos seguían penalizando a los empleados que adoptaban estos comportamientos cuando optaban a un ascenso o estaban siendo considerados para un nuevo puesto. Basándose en sus conclusiones, los investigadores ofrecen sugerencias para ayudar a las empresas a crear políticas y construir una cultura que proteja los límites de los trabajadores, evite el agotamiento y recompense el trabajo fuerte.