Como empresario o directivo, a menudo se espera que uses datos para tomar una decisión informada, independientemente de si el título de tu trabajo contiene la palabra «datos».
Para todo, desde cuánto presupuesto asignar a una campaña de marketing, cuántos empleados aprobar y cuál debe ser la proyección de ventas, necesitas los datos. Sin embargo, tomar decisiones basadas en datos no es solo un eslogan, es una herramienta que tiene mejores prácticas a seguir.
A continuación, te hablamos de tres errores comunes que cometen los líderes empresariales al usar datos para tomar decisiones.
Saltarse la validación de datos
Cuando se te presenta una línea de tiempo ajustada (como a menudo ocurre) y un conjunto de datos, es tentador comenzar a analizar el conjunto de datos de inmediato. Sin embargo, tus hallazgos solo pueden ser tan útiles e informativos como la calidad de los datos subyacentes, por lo que es fundamental que dediques suficiente tiempo y energía a validar la precisión de tu conjunto de datos.
Cuando se trata de la validación de datos, comienza con una mirada escéptica hacia los datos. Ponte tu sombrero de detective e intenta encontrar fallos en los datos. Usa tu conocimiento comercial para completar la siguiente oración: “Si los datos son precisos, entonces……….”. Luego, usa SQL o Excel para validar esas suposiciones antes de continuar con el análisis real.
Subestimar el impacto de los eventos de baja probabilidad
Los eventos que tienen menos probabilidades de ocurrir a veces pueden tener un impacto enorme en los objetivos que intentas alcanzar. Por ejemplo, si bien las pandemias ocurren con poca frecuencia, hay pocas empresas en todo el mundo que no se han visto afectadas significativamente por la Covid-19 en los últimos años. Como líder empresarial, es imposible para ti prever todos los eventos de baja probabilidad que podrían ocurrir y, sin embargo, a menudo tienes que tomar una decisión de todos modos.
Un enfoque es preguntarte explícitamente: “Dada la antigüedad de los datos disponibles, ¿qué podrían no reflejar los datos?”. Por ejemplo, si tienes datos de ventas de dos años, entonces puedes asumir que cualquier evento raro que ocurra una vez al año probablemente se haya incluido en tus datos. Como tal, los eventos no necesitan una atención especial para tenerlos en cuenta en tu análisis. Por otro lado, si solo tienes seis meses de datos de ventas, entonces debes trabajar con tu equipo para pensar en situaciones que solo pueden ocurrir una vez al año (lo que viene a la mente es la estacionalidad) y usar tu juicio comercial para suplantar tus hallazgos de datos. Presentar una lista de eventos de baja probabilidad y alto impacto junto con tu análisis a menudo puede ayudar a las partes interesadas a tomar decisiones mucho mejores.
Pasar por alto el efecto de usuario avanzado en tu análisis
Supongamos que eres dueño de un gimnasio y estás tratando de estimar en promedio la frecuencia con la que sus miembros hacen ejercicio en tu gimnasio. Una forma “fácil” de hacer esto es parate en la recepción, preguntar a los próximos 20 miembros que pasen cuántas veces han visitado el gimnasio en el último mes y hacer un promedio de esas 20 respuestas. Ten cuidado: el promedio que obtienes de esta manera no representará a toda tu población de miembros. ¿Por qué? Porque es mucho más probable que realices la encuesta a un asistente frecuente al gimnasio que a un miembro que solo visita el gimnasio una vez al mes.
Al realizar un análisis sobre el uso del producto, debes examinar cuidadosamente si la metodología que utilizas da como resultado hallazgos sesgados hacia tus usuarios avanzados. Esto no quiere decir que debas ignorar los resultados que encuentres de esta manera, pero sí significa que debes proceder con precaución.
No es una exageración decir que muchas de nuestras vidas laborales ahora giran en torno a los datos. Como tomadores de decisiones comerciales, debemos tratar el análisis de datos como una herramienta poderosa que también tiene trampas y errores y formas graves de causar daños. Al combinar datos con nuestra propia intuición y desafiar constantemente nuestras propias metodologías, podemos maximizar la utilidad del análisis de datos.
Más información
- Smart data, la evolución del Big Data para tratar los datos de forma inteligente
- 3 claves para usar el análisis de datos y conocer mejor tu negocio
- Las empresas impulsadas por el análisis datos obtienen un 70% más de ingresos por empleado
- 3 errores que contribuyen al deterioro de los datos en una organización
