Gestión de datos

La pandemia Covid-19 ha producido una marea de datos, pero ¿cuánto es bueno? Y como laico, ¿cómo puedes ordenar lo bueno de lo malo? Los autores sugieren algunas estrategias para dividir los datos útiles de los engañosos: Tenga cuidado con los datos que son demasiado amplios o demasiado estrechos, que provienen de tecnologías no investigadas, y los modelos producidos sin expertos relevantes. Por el contrario, buscar transparencia, consideración, expertos y plataformas abiertas, todas las cuales son signos de que los productores de los datos tienen fe en sus afirmaciones, son conscientes de sus puntos ciegos y están abiertos a que otros investigadores comprueben su trabajo.

Es imposible capturar las complejidades de su negocio con una sola métrica. Dé prioridad a un solo número titular, excluyendo a todos los demás, e invariablemente dejará a mucha gente y prioridades fuera. Además, es probable que restrinja su crecimiento. En su lugar, debe pensar en una constelación de métricas que se centran en la medición de tres cosas: cantidad, calidad y eficiencia. Estas tres métricas en relación entre sí cuentan la historia de su negocio y permiten priorizar y alinear. Se convierten en un lenguaje abreviado internamente al comprometer recursos y hacer inversiones, o compensaciones. Ninguna métrica es perfecta. Pero comprender y reevaluar regularmente la relación entre la cantidad, la calidad y la eficiencia es fundamental para comprender más profundamente su negocio, y para mantenerse ágil. Le permitirá dirigir lo que más importa, la experiencia del cliente, y empoderar a todos sus equipos en el proceso. Hecho bien, las métricas son una de las mejores maneras de hacer que las personas entiendan realmente cómo su trabajo afecta al negocio de una manera positiva.

¿Es usted tan centradas en el cliente como usted piensa?

Todos somos consumidores nosotros mismos, y como tal, los líderes pueden entender la ansiedad cuando aspectos muy personales y privados de nuestras vidas pueden ser revelados por las huellas digitales que dejamos en el ciberespacio. Incluso para estar dispuestos a compartir sus datos con una empresa, los clientes necesitan confiar en que la empresa no redestinará o revenderá los datos de forma que puedan resultar inescrutables u objetables. Deben confiar en que sus datos están razonablemente protegidos contra violaciones cibernéticas y que la compañía hará lo correcto si se produce una violación. Sin embargo, imagine clientes que no solo están dispuestos a compartir sus datos con una empresa, sino que también desean compartir más de ellos. ¿Qué tomaría esto? Lo más fundamental es que los clientes necesitan ver que sus datos se están utilizando para su beneficio, de maneras que valoran mucho. Si eso sucede, estarán ansiosos por compartir más sobre sí mismos para recibir aún más valor.

Lo que solo los expertos saben generalmente es que los científicos de datos, una vez contratados, pasan más tiempo construyendo y manteniendo las herramientas para los sistemas de IA que construyen los propios sistemas de IA. Ahora, sin embargo, están surgiendo nuevas herramientas para facilitar la entrada en esta era de innovación tecnológica. Las plataformas unificadas que incorporan el trabajo de recopilación, etiquetado y alimentación de datos en modelos de aprendizaje supervisados, o que ayudan a construir los propios modelos, prometen estandarizar los flujos de trabajo de la manera que Salesforce y Hubspot tienen para gestionar las relaciones con los clientes. Algunas de estas plataformas automatizan tareas complejas mediante algoritmos integrados de aprendizaje automático, lo que facilita aún el trabajo. Esto libera a los científicos de datos para que dediquen tiempo a construir las estructuras reales para las que fueron contratados, y pone la IA al alcance incluso de las pequeñas y medianas empresas.