Este artículo se publicó originalmente en Forbes.com, y fue escrito por Brent Dykes, Director de Estrategia de Datos de DOMO, socio de Riskonnect.

Con la abundancia de datos que fluyen hacia las organizaciones hoy en día, el siguiente reto no suele ser cómo adquirir más datos, sino cómo traducirlos en algo significativo:acciones informadasque conduzcan a mayores ingresos, menores costes, mayor productividad, mayor fidelidad de los clientes, etc.

Mientras las empresas tradicionales siguen luchando para capitalizar mejor sus datos, muchas de las startups actuales tienen los datos arraigados en su ADN. En un estudio de Capgemini de 2015, el 58% de los altos directivos esperaban enfrentarse a una mayor competencia por parte de estas nuevas empresas basadas en datos. Sin embargo, tanto si eres una empresa consolidada como si eres un recién llegado experto en datos, eres igualmente susceptible de convertirte en paralizado por los datos.

A medida que se amplía el volumen de datos y aumenta la dependencia de los mismos, aumenta la probabilidad de que las empresas se vean potencialmente maniatadas por los datos si no son disciplinadas y atentas. En lugar de que los datos permitan a tu empresa ser más eficaz y eficiente, pueden producir el efecto contrario y, de hecho, obstaculizar tu capacidad para tomar decisiones e impulsar resultados. Rápidamente, tu preciado activo digital puede convertirse en un pasivo potencial.

Para dar un salto adelante con los datos, las empresas deben asegurarse de que su personal puede confiar en ellos, consumirlos y analizarlos adecuadamente. En este artículo, hablaré de tres importantes obstáculos o trampas que, si no se controlan, inmovilizarán a tu personal y bloquearán el impulso hacia delante de tu empresa con los datos.

Desconfianza en los datos

Una de las formas más generalizadas de parálisis relacionada con los datos es la desconfianza en los datos, que se produce cuando las personas cuestionan la calidad de sus datos y se niegan a confiar en ellos para la toma de decisiones. En un estudio reciente de KPMG, El 84% de los directores generales indicaron que les preocupa la calidad de los datos en los que basan sus decisiones. Data quality is clearly top of mind for most executives as they want to avoid making wrong decisions based on erroneous or incomplete data.

Aunque es sano cuestionar los datos de uno mismo, puede ser debilitante cuando se pierde totalmente la fe en ellos y se renuncia a «volar a ciegas». En estos casos, se siguen tomando decisiones y acciones, sólo que sin las garantías y ventajas que pueden proporcionar los datos. Una vez que la desconfianza en los datos se instala en una organización, puede socavar significativamente todos los esfuerzos analíticos y seguir siendo un obstáculo hasta que se aborde adecuadamente.

Aunque es fácil señalar con el dedo a tus datos, a menudo también tienes que mirarte en el espejo cuando se trata de desconfiar de los datos. La mayoría de los profesionales de la analítica reconocen que los datos son intrínsecamente desordenados y sucios. Sin embargo, en muchos casos, los datos defectuosos pueden seguir siendo útiles y seguros para orientar. Los datos pueden ser preciso pero inexacto y seguir siendo esclarecedores. Por ejemplo, si tus ingresos en línea son sistemáticamente un 10-15% más altos en tu herramienta de análisis digital que en tu sistema transaccional (debido principalmente a que no se tienen en cuenta las devoluciones y los pedidos fraudulentos), los datos siguen siendo orientativos.

Con demasiada frecuencia se pone un listón más alto a los datos (la perfección) que el escrutinio de las propias creenciasopiniones y suposiciones. En la búsqueda de datos perfectos, la mayoría de las empresas experimentarán rendimientos decrecientes a medida que se acerquen a una coincidencia del 100% entre dos sistemas. A menudo puede ser muy costoso y llevar mucho tiempo eliminar el último 10-1% de variación, y rara vez merece la pena el esfuerzo y el tiempo que se invierten en ello. En lugar de paralizarte cada vez que encuentres diferencias o anomalías inesperadas, es importante construir tu sistema de inmunidad a los «datos sucios» y la tolerancia a las imperfecciones para que puedas seguir extrayendo valor de tus datos.

En algunos casos, la desconfianza en los datos no se debe a inexactitudes reales, sino percibidas. Cuando se introducen nuevos datos, pueden ser incoherentes con los datos y creencias preexistentes, lo que puede provocar una disonancia cognitiva. Cuando las personas experimentan una incoherencia (disonancia), como una información contradictoria, se sienten motivadas a descartar las nuevas pruebas como erróneas en lugar de cuestionar sus datos u opinión originales. En lugar de asumir automáticamente que tienes un problema de calidad de datos, puede que tengas un problema de gestión del cambio.

Supera la desconfianza en los datos:

  • Evalúa si los problemas de datos son aislados, generalizados o imagínate
  • Revisa la gravedad y frecuencia de las discrepancias en los datos
  • Trabaja con el equipo informático para mantener los datos dentro de un margen de error aceptable
  • Responsabilizar a los equipos del mantenimiento de la calidad de los datos e introducir procesos para reducir los errores
  • Recuperar la confianza en los datos demostrando su precisión y utilidad

Aturdimiento por los datos

Aunque el aturdimiento por los datos puede resultarte menos familiar que la parálisis por análisis o la desconfianza en los datos, es probable que ya lo hayas experimentado personalmente o que hayas visto a otras personas obstaculizadas por él. A medida que los datos se vuelven cada vez más omnipresentes, el aturdimiento por los datos se produce cuando las personas se sienten intimidadas o abrumadas por el enorme volumen de datos que tienen ante sí. Esencialmente, el aturdimiento por los datos es una forma de sobrecarga de información cuando alguien intenta consumir demasiadas métricas/dimensiones, gráficos, informes, etc. al mismo tiempo. Cuando a un público se le ponen los ojos vidriosos durante una presentación con muchos datos o mientras revisa un cuadro de mando complejo, a menudo estás viendo los efectos del aturdimiento por los datos. El cerebro humano sólo puede consumir cierta cantidad de información antes de sobrecargarse. En 1956, el psicólogo George A. Miller descubrió que la mayoría de las personas sólo pueden manejar 7 trozos de información (+/- 2) a la vez. En 2004, el psicólogo Barry Schwartz introdujo la Paradoja de la Elección , según la cual tener más opciones entre las que elegir en realidad aumenta nuestra ansiedad e interfiere en nuestra capacidad de tomar decisiones como consumidores. Del mismo modo, cuando las personas se ven inundadas por demasiados datos, se quedan atascadas e inseguras de cómo avanzar, incluso antes de realizar ningún análisis. Si menos es más, sin duda somos nuestros peores enemigos cuando se trata de compartir y consumir datos. Por ejemplo, en lugar de centrarse en un conjunto limitado de Indicadores Clave de Rendimiento (KPI), muchas organizaciones acumulan grandes colecciones de supuestos KPI. Por desgracia, cuando cada métrica se señala como importante o esencial, se diluye el propósito y los beneficios de tener KPI. Cuando esto ocurre, se introduce ruido y confusión en lugar de crear una señal fuerte para mejorar el rendimiento empresarial. En un intento de ser útiles, los analistas suelen llenar los informes, infografías y cuadros de mando con mucha información jugosa y visualizaciones. Sin embargo, no siempre tienen una idea clara de lo que realmente necesitan o quieren las personas que consumen los datos. Arrojar datos contra una pared para ver qué se pega es un enfoque problemático que puede inducir al aturdimiento por los datos. En estas situaciones, los analistas no deberían adivinar lo que necesitan las partes interesadas de la empresa, y los usuarios finales deberían articular claramente lo que intentan comprender y conseguir (que puede evolucionar y lo hará). A medida que surgen preguntas de seguimiento basadas en los datos, a menudo se añade información adicional a los informes y cuadros de mando existentes. Sin embargo, limitarse a proporcionar más información se convierte en un sustituto fácil pero chapucero de curar los datos existentes, eliminar lo que no es relevante y ofrecer la información adecuada. La falta de conocimientos o formación también puede contribuir al aturdimiento por los datos de dos maneras. Cuando las personas no saben cómo visualizar los datos eficazmente o contar una historia de datos convincente, la información que comparten puede dejar a la gente más perpleja que capacitada. Además, cuando las personas que consumen datos no entienden las definiciones de las métricas o cómo interpretar las cifras, te encuentras de nuevo con otro obstáculo para la adopción de datos. Ambos factores pueden abordarse mediante una formación y educación adecuadas, tanto para las personas que producen datos como para las que los consumen.

Supera el aturdimiento por los datos:

  • Revisa tus KPI y métricas de apoyo para asegurarte de que se alinean con tu estrategia corporativa
  • Consolida y conserva tus KPI y métricas de apoyo para aumentar su relevancia y potencia
  • Organiza conjuntos de métricas de apoyo bajo KPI jerárquica o temáticamente
  • Trocea los datos en capas o agrupaciones más digeribles que los usuarios de la empresa puedan analizar.
  • Esfuérzate por simplificar y mejorar las visualizaciones de datos y los diseños de los informes/cuadros de mando
  • Formar a los empleados sobre cómo visualizar correctamente los datos, elaborar historias de datos e interpretar los datos

Parálisis del análisis

Cuando la gente piensa que los datos impiden el progreso, suele pensar en la parálisis por análisis. Normalmente, la parálisis por análisis se produce cuando alguien analiza o piensa demasiado sus datos y no consigue llegar a una idea, decisión o resultado clave. A menudo afecta a analistas, científicos de datos e incluso a líderes analíticos que siguen profundizando en los números, pero se pierden en el proceso y no consiguen extraer nada valioso. A veces, por mucho que hurguemos y sondeemos los números, puede que no revelen nada perspicaz o procesable. Por ejemplo, un analista estaba analizando un programa de marketing por correo electrónico y se esforzaba por encontrar algo sustancial en los datos. Aunque quería ofrecer una visión clara, su principal interesado -un experto en marketing por correo electrónico- había hecho un buen trabajo optimizando el programa de correo electrónico en los últimos años. En lugar de continuar su análisis, el analista decidió revisar sus conclusiones intermedias con la parte interesada para ver si suscitaba otras perspectivas o preguntas. Al final, las conclusiones parciales acabaron constituyendo el 90% del resultado final y fueron suficientes para responder a la mayoría de sus preguntas empresariales, aunque no se tradujeron en ideas o recomendaciones trascendentales. Parte de la destreza en el análisis de datos consiste en saber cuándo hay que seguir indagando y cuándo hay que seguir adelante. Hace poco, tuve la oportunidad de entrevistar a ejecutivos de varios departamentos de distintas organizaciones. En un par de ocasiones, un ejecutivo mencionó cómo su equipo luchaba contra la «parálisis del análisis». Aunque puede que sus equipos estuvieran inmovilizados por los datos, la parálisis que experimentaban se producía claramente ANTES de que los equipos intentaran siquiera examinar o explorar sus datos en profundidad. Es más probable que sufrieran los efectos del aturdimiento por los datos que la parálisis por el análisis. Aunque la frase «parálisis por análisis» es bastante conocida, el mal no es tan común fuera de las funciones analíticas. La mayoría de las empresas aún no han alcanzado un nivel de madurez de datos en el que un número significativo de usuarios empresariales realicen análisis de forma rutinaria por su cuenta. Sin embargo, a medida que las empresas adopten la analítica de autoservicio y evolucionen las habilidades de datos, esta forma de parálisis de datos se producirá con más frecuencia, ya que la oportunidad de explorar los datos se descentraliza y democratiza cada vez más.

Supera la Parálisis Analítica:

  • Fija un límite de tiempo y controla cuidadosamente tus progresos
  • Aléjate del problema e inténtalo de nuevo con una nueva perspectiva
  • Comparte tu enfoque de análisis con otra persona para obtener un punto de vista diferente
  • Revisa la(s) pregunta(s) empresarial(es) original(es) para reorientar tu esfuerzo
  • Vuelve a lo básico e intenta un enfoque de análisis más sencillo

Convertirse en una empresa más orientada a los datos es un viaje, no un destino. En última instancia, las empresas necesitan que todos sus dirigentes y empleados se unan a ellas en ese viaje, pero por desgracia algunas personas se perderán por el camino. Algunos perderán la fe en los datos. Otros se sentirán abrumados por el volumen de información que se comparte. Y otros se sumergirán en los datos en busca de percepciones y nunca volverán a salir a la superficie. Mitigar y superar estas trampas paralizantes es importante para impulsar la acción y el valor con tus datos. Cuantas más personas puedan participar en este viaje de datos y permanecer en el camino, mejor será para el éxito a largo plazo de tu empresa con los datos. Consulta nuestro libro blanco Cómo pasar de la información a la acción con la visualización de datos.

Toma decisiones empresariales más rápidas e inteligentes con Riskonnect Insights.

**Este artículo se publicó originalmente en Forbes.com el 28 de septiembre de 2016