En un mundo de Big Data, no olvide la experimentación

En el mundo de los datos actual, lo «grande» domina. Pero a veces no necesita algo grande. Necesita una pequeña dosis de los datos correctos. Datos que se refieren precisamente a la pregunta que nos ocupa, que usted entiende profundamente y en los que puede confiar. Si esos datos ya están disponibles, perfecto. Pero con frecuencia no lo son. Y entonces, no hay nada mejor que un experimento bien concebido, diseñado, controlado, ejecutado y analizado. Las empresas tienen que asegurarse de que la experimentación está incluida en sus «kits de herramientas de datos», aprender cuándo utilizarla y desarrollar las habilidades necesarias para realizar experimentos eficaces.

Pensemos en un ejemplo reciente: las baterías de iones de litio de Boeing para el Dreamliner 787. Como probablemente sepa, el tema ha estado en todas las noticias durante un par de meses. En dos casos, las baterías estuvieron a punto de incendiarse, poner en tierra la aeronave durante más de tres meses. Los aviones están ahora de nuevo en el aire, pero seguirán sin transportar pasajeros hasta dentro de un mes más o menos.

Lo que Boeing necesita ahora mismo no son macrodatos sino una secuencia de experimentos que hagan qué pruebas anteriores no: aisló las causas fundamentales de los problemas que se han producido hasta ahora; comprobó que correcciones que se están haciendo realmente funcionan; identifique otros problemas que aún no se les ocurran; prediga el rendimiento de las baterías en el «peor de los casos» y convenza a los reguladores y al público que vuela de que el Dreamliner es seguro para los pasajeros. Con el tiempo, es casi seguro que Boeing y sus proveedores necesitarán aún más experimentos para evitar problemas futuros, predecir mejor la duración de la batería y probar nuevos diseños, nuevas técnicas de fabricación y nuevas estrategias de mantenimiento. Algunos de estos las pruebas se han realizado y se realizarán en condiciones controladas en los laboratorios, y algunas deben llevarse a cabo en circunstancias cada vez menos controladas en el aire.

En la revolución de los datos que se está desarrollando, las empresas deben desarrollar la capacidad de experimentar. Pero demasiados lo evitan. Este fue el caso en un par de contratos recientes con clientes. En ambos casos, los altos directivos hicieron una pregunta aparentemente sencilla. Pero el esfuerzo por recopilar toda la información relevante, en sus dispares almacenes de datos, fue abrumador. Pasaron los meses y la pregunta quedó sin respuesta. En ambos casos, un simple experimento, que durara solo unas semanas, habría llenado el proyecto de ley de forma rápida, económica y mejor que cualquier otra alternativa. En la gran mayoría de casos similares, no estamos hablando de una serie de experimentos complejos en las condiciones extremas a las que se enfrenta Boeing, solo ensayos en el mundo real a pequeña escala y con un enfoque limitado.

Algunos pueden ver la experimentación como «de la vieja escuela», no a la altura de los rigores de la creciente revolución de los datos. Todo lo contrario: ¡su legendario pasado es la mejor razón para emplearlo hoy en día! La experimentación tiene una rica e histórica historia en el desarrollo de productos y la investigación de mercado. Ha contribuido a mejorar cientos de miles de productos en casi todos los sectores, desde la agricultura hasta la electrónica, la medicina, etc. Y no solo el diseño, la experimentación industrial ha contribuido a mejorar las tecnologías y los procesos necesarios para cultivar maíz, ensamblar automóviles, encontrar petróleo, etc. La experimentación industrial también tiene una rica historia en el sector de los servicios. Muchas empresas de la era de la información, como Google, ya recibo este mensaje. Y a lo largo de los años, he ayudado a muchos otros a realizar experimentos sencillos y eficaces en áreas tan diversas como la incorporación de clientes hasta la implementación de políticas.

Es fundamental que las empresas entiendan por qué la experimentación funciona para que sepan dónde aplicarla. En resumen, cuando se usa correctamente, la experimentación aporta el poder del método científico a los problemas a los que se enfrentan las empresas hoy en día. Esto significa el enfoque consiguiente, la definición nítida de la pregunta, el diseño cuidadoso, los datos en los que pueda confiar y los análisis exhaustivos, justo lo que se necesita en muchas situaciones.

Las empresas también deben aprender a realizar experimentos. Son un trabajo duro. Es muy fácil definir mal el problema, elegir una muestra mala, escatimar en el diseño, no calibrar los instrumentos o malinterpretar los datos. Boeing y sus proveedores, por supuesto, habían realizado exhaustivas pruebas de baterías. Aun así, como ya se ha dicho , no dieron en el blanco.

Incluso cuando el experimento en sí es impecable, las cosas pueden salir mal al final. La mayoría de los experimentos implican el muestreo, un tema que parece incomprensible para muchos directivos, por lo que no confían en él. Nunca entenderé por qué tantos gestores, por lo demás inteligentes, confían en una población de datos un poco fuera del objetivo y que se sabe que está cargada de errores en lugar de en una muestra pequeña, puntual y de alta calidad, ¡pero lo hacen! La única manera que he encontrado de combatir este problema es explicar claramente los muchos beneficios de la experimentación y presentarlos de una manera poderosa, pero equilibrada.

Para que quede claro, soy no abogar por la experimentación antes que por el big data. Si tiene datos en los que pueda confiar, utilícelos por supuesto. Y hay muchos casos en los que realizar un experimento es simplemente inviable. No puede realizar un experimento para predecir el avance de la gripe o aislar potencialmente tapones de alcantarillas que explotan. Es de esperar que el big data y la experimentación vayan de la mano. No es difícil imaginar el día en que se integren chips en las celdas de las baterías de Boeing para controlar continuamente el estado de cada célula y ponerla fuera de servicio cuando sea necesario, sin necesidad de experimentar. Por el contrario, es de esperar que haya ocasiones en las que el big data sugiera una dirección que exija más experimentación.

Las empresas que quieren puntuar con los datos no deben adoptar un enfoque de talle único y seguir ciegamente a la multitud hasta el big data. Necesitan muchos enfoques y herramientas en sus kits de herramientas de datos. Para casi todos, la experimentación se merece un lugar destacado en ese conjunto de herramientas. Para muchos problemas, es el mejor enfoque. Las empresas deben desarrollar una comprensión profunda de por qué y cómo funciona. Y dele una oportunidad justa.