PathMBA Vault

Decision making and problem solving

Cuando una suposición fundamentada supera al análisis de datos

por Oguz A. Acar, Douglas West

Cuando una suposición fundamentada supera al análisis de datos

La toma de decisiones basada en datos a menudo se considera la el estándar de oro de la gestión moderna. Y esto es por una buena razón. La explosión de los datos disponibles y los rápidos avances de la ciencia de datos permiten a los gerentes saber mucho más sobre su negocio. Este conocimiento, si se usa bien, debería permitir una mejor toma de decisiones en todos los aspectos de la empresa.

Quizás esta sea la razón por la que la mayoría de las empresas están haciendo una carrera de caballos para crear capacidades analíticas que aprovechen al máximo esta abundancia de datos sin precedentes. Por ejemplo, un reciente encuesta de Fortune 1000 empresas muestran que el 91,9% de las empresas afirman haber aumentado la inversión en iniciativas de datos.

Si bien el potencial del big data es irrefutable, ¿es la panacea para todas las situaciones de toma de decisiones? Dicho de otra manera, ¿hacer mucho hincapié en los datos y el análisis podría resultar contraproducente en algunas circunstancias? Exploramos esto en nuestro investigaciones recientes.

Nuestra intuición era que la toma de decisiones basada en datos podía ser contraproducente en una incertidumbre extrema. En esos casos, será muy difícil y, a veces, imposible recopilar datos fiables. Esto podría explicar por qué 12 editores no pudieron ver el potencial de Harry Potter y la piedra filosofal antes de que Bloomsbury Publishing aceptara publicar una tirada inicial de 500 ejemplares. El libro era tan innovador que, por definición, no había datos previos disponibles para evaluar con precisión su potencial.

Para poner a prueba nuestra intuición, recopilamos datos de 122 empresas de los sectores creativos (de los sectores de la publicidad, la tecnología digital, la edición y el software) sobre sus últimos proyectos de innovación. Elegimos las industrias creativas debido a los altos niveles de incertidumbre sobre las reacciones de los clientes y a la infinita variedad de posibles nuevos productos y modificaciones de los productos. Por la misma razón, nos centramos en las decisiones de evaluación de la innovación, la decisión de seleccionar qué proyectos de innovación llevar a cabo para su desarrollo. Estas decisiones se caracterizan por una gran incertidumbre; los directivos suelen carecer de datos anteriores suficientes que les permitan predecir con precisión las reacciones de los clientes, el potencial del mercado, la viabilidad y los riesgos. Incluso si tuvieran esos datos, a menudo sería extremadamente difícil y, a veces, incluso engañoso extrapolarlos.

Pedimos a los directivos de estas empresas que pensaran en su proyecto de innovación más reciente, para el que tenían que tomar una decisión de selección, e incluimos preguntas para entender cómo habían tomado esta decisión. En concreto, las preguntas abordaron hasta qué punto se basaban en el análisis (es decir, elegir la opción que resultara mejor en función del análisis de los datos), el instinto (es decir, elegir la opción siguiendo sus instintos) y una serie de heurísticas bien conocidas (es decir, estrategias prácticas para tomar decisiones de forma más rápida y frugal). Estas heurísticas incluían «sumar» (elegir la opción con el mayor número de puntos favorables), «experiencia» (elegir la opción que buscaba la persona con más experiencia del equipo) y «mayoría» (elegir la opción que más gente quería), entre otras. A continuación, pedimos a los directivos que indicaran si creían que habían tomado la decisión correcta (percepción de precisión en la toma de decisiones) y con qué rapidez la tomaron (velocidad percibida en la toma de decisiones).

Los primeros resultados mostraron, para nuestra sorpresa, a pesar del enorme interés por los macrodatos, que los directores de nuestra muestra no se basaban en el análisis más que en sus instintos o en alguna de las simples heurísticas. La heurística más utilizada, más que el análisis y el instinto, era contar.

También descubrimos que confiar en el análisis no es necesariamente la forma ideal de elegir entre proyectos de innovación. Si bien las decisiones basadas en el análisis de datos generaron un buen nivel de precisión en la toma de decisiones, el proceso fue lento. Los directivos que se basaban en sus instintos, junto con algunas heurísticas simples, tomaban decisiones igual de precisas, pero que se tomaban con mucha más rapidez. Es decir, la heurística y las intuiciones ofrecían una mejor compensación en términos de velocidad y precisión en la toma de decisiones; la inclusión del análisis en el proceso de toma de decisiones no supuso ninguna mejora significativa en la precisión, sino que redujo significativamente la velocidad.

Una nota de cautela para los directivos que estén pensando en tomar decisiones de innovación basadas en el instinto: la eficacia de su intuición puede basarse en la experiencia previa. Investigación previa sugiere que la eficacia de la intuición en comparación con el análisis depende del conocimiento del dominio; es más probable que los expertos en un dominio tomen mejores decisiones instintivas. Por lo tanto, a los directivos con una experiencia limitada en el campo les iría mejor si se abstuvieran de confiar demasiado en la intuición. Nuestros resultados sugieren que confiar principalmente en la heurística también presenta una alternativa viable.

La próxima vez que se enfrente a una decisión gerencial ambigua, tenga en cuenta que los datos pueden no ser la única base para elegir. Seguir sus instintos, junto con una heurística sencilla, puede llevar a tomar decisiones más rápidas y, potencialmente, igual de precisas, especialmente para quienes tienen la experiencia necesaria.

Artículos Relacionados

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

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

Arreglar los chatbots requiere psicología, no tecnología

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?

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.