Las decisiones antes que el código (o cómo despertar de la matrix)
El acceso a la información y la capacidad computacional para procesarla deslumbra a las empresas. Sin embargo, para aprovechar su potencial en los negocios es clave entender por dónde empezar, a riesgo de caer en la ilusión de una Matrix que gobierne nuestras decisiones.
Neo, el protagonista del recordado film Matrix, descubre que su vida es en realidad una simulación interactiva, una increíble cantidad de datos procesados por una inteligencia artificial con el fin de recrear un mundo que ya no existe. Esta primera entrega de la trilogía de los hermanos Wachowski puede pensarse en dos partes. Por un lado, Neo comienza a sospechar de la información que ‘le es dada’ y en base a la cual organiza su experiencia, hasta que finalmente ‘despierta’ y es rescatado de la Matrix. Luego, nuestro héroe aprende a usar la información y los algoritmos de la Matrix para tomar sus propias decisiones, y desarrolla capacidades o ‘superpoderes’ que lo convierten en ‘el elegido’ que vaticina una antigua profecía.
Según la cronología que propone la película, todavía no llegamos a ese mundo, pero sin duda vivimos en una época sin precedentes respecto de la cantidad de información disponible y la capacidad computacional para procesarla. Metodologías como big data, analytics o machine learning, por citar algunas, nos permiten colectar y analizar grandes cantidades de información, y las empresas han tomado debida nota de su potencial para robustecer las decisiones y lograr mejores resultados.
Pero ¿por dónde empezar? ¿Cómo aplicarlos satisfactoriamente al negocio? ¿Acaso la clave del éxito se encuentra encriptada en un algoritmo? Ciertamente, no. El código es muy importante, pero es solo una parte de un proceso inteligente para la toma de decisiones. Si primero no definimos qué objetivos de negocio queremos fortalecer, corremos el riesgo de que una colección de datos al alcance de la mano nos induzca a un sesgo de subjetividad y podríamos llegar a conclusiones que no sean relevantes para nuestro negocio.
Cassie Kozyrkov, la primera Chief Decision Scientist de Google, suele graficar este sesgo con un ejemplo simple y efectivo: enfocarse primero en los datos disponibles es como poner el arco en el lugar que cayó la pelota: es un gol seguro, aunque no necesariamente válido. Estamos tan entusiasmados con los macrodatos que nos olvidamos de lo primero: pensar para qué usarlos. Sondeos recientes indican que es baja la proporción de ejecutivos de todo el mundo (alrededor de la cuarta parte) que podrían afirmar que sus empleados extraen información relevante de los datos disponibles. Estamos mirando las respuestas que tenemos cerca, antes de formular las preguntas correctas.
El enfoque contrario es el que proponemos desde Decision Intelligence, una disciplina que se ocupa de hacer que los datos sean útiles. ¿Cómo? Partiendo de entender qué decisiones queremos tomar y qué métricas necesitamos apalancar, para luego colectar y analizar la información correspondiente. Este enfoque combina grandes volúmenes de información con la capacidad computacional para analizarla, pero sobre todo con la experiencia del negocio, que es fundamental para poder encontrar conclusiones de valor. Así, para que el análisis sea realmente efectivo, tenemos que empezar por hacer las preguntas correctas respecto de cuáles son las decisiones que queremos fortalecer desde el punto de vista del negocio.
Las preguntas correctas
Cualquier estrategia de datos debe empezar por preguntarnos qué decisiones de negocio queremos potenciar. En las empresas se toman decisiones todo el tiempo, pero no todas tienen la misma importancia. La inteligencia de la decisión se enfoca en aquellas que tengan un impacto sobre los resultados asociados a los objetivos comerciales, las que mueven la aguja del negocio. Pero, además, necesitamos que esas decisiones sean recurrentes, que generen un historial significativo y actualizado de datos para poder responder a nuestras hipótesis. Cuanto más frecuente sea la decisión que consideramos, mayor valor predictivo tendrán las conclusiones de nuestro análisis.
Así, las preguntas correctas respecto de qué decisiones podemos fortalecer con Decision Intelligence serán aquellas que se respondan a través de dos criterios básicos: importancia y frecuencia. Para ser gráficos, no es lo mismo decidir qué marca de jabón comprar para los baños de una compañía, que definir la oferta de servicios, tarifas o canales comerciales (importancia). Pensemos ahora en las decisiones de descuentos que toman nuestras fuerzas de ventas: si las analizamos individualmente, representan un impacto bajo, pero si consideramos su recurrencia y sumamos todos los descuentos de todos los vendedores durante un mes, el impacto será mucho más significativo (frecuencia).
Una vez definidas las decisiones que queremos fortalecer, podremos formular nuestras hipótesis de negocio y, entonces sí, decidir qué modelos y herramientas del análisis de datos son más útiles para testearlas.
Las empresas están ansiosas por aprovechar las grandes posibilidades que la tecnología nos brinda para mejorar los resultados de negocio, y en este camino suelen comenzar por coleccionar datos sin tener muy claro para qué, con el riesgo de caer en la ilusión de una Matrix que gobierne sus decisiones. Desde Tandem les proponemos recorrer el camino inverso, acompañándolos con un enfoque basado en Decision Intelligence, que permita identificar las decisiones más relevantes para su organización, antes de pensar en el código.
Ernesto Weissmann
Socio de Tandem.
ew@tandemsd.com