Resumen: El papel de los datos en la toma de decisiones

Resumen: El papel de los datos en la toma de decisiones

Sabemos que los datos son un conjunto de hechos, y que el análisis de datos permite identificar patrones e ideas clave. Esto ayuda a tomar decisiones más informadas. Un ejemplo cotidiano es cuando se busca “restaurantes cerca de mí” y se ordenan por calificación para elegir uno; esta es una decisión basada en datos. Las empresas también usan los datos para tomar mejores decisiones constantemente.

Existen dos formas principales de tomar decisiones con datos. La primera es la toma de decisiones basada en datos (data-driven), que se apoya directamente en resultados medibles y análisis estructurado. La segunda es la toma de decisiones inspirada por datos (data-inspired), que analiza diversas fuentes de datos para encontrar patrones comunes, aunque no necesariamente sigue una fórmula estricta.

En Google, se utilizan los datos de muchas maneras. Por ejemplo, al analizar años de datos con inteligencia artificial, se logró reducir en más del 40% el uso de energía en los centros de datos. También, en el área de contratación, se usaron datos sobre postulaciones y procesos de entrevistas para desarrollar un algoritmo que identifica buenos candidatos que no pasaron la primera etapa, y se determinó el número ideal de entrevistas para lograr mejores contrataciones. Esto también permitió diseñar mejores programas de integración para nuevos empleados.

Los datos por sí solos no son útiles hasta que se les da sentido. Por ejemplo, saber que Michael Phelps hizo un tiempo de 1:54 en una carrera no dice mucho, pero al compararlo con los tiempos de sus competidores y sabiendo que era una final olímpica, se entiende que ganó la medalla de oro. Ese análisis convierte los datos en información. Cuando esa información se comprende y se aplica, se convierte en conocimiento. Así podemos concluir, por ejemplo, que Michael Phelps es un nadador muy rápido.

También hay limitaciones en el análisis de datos. A veces no se tiene acceso a toda la información necesaria, o los datos están estructurados o medidos de manera diferente, lo que complica su comparación y análisis. Por eso es importante considerar el contexto y tener precaución al interpretar los resultados.

Finalmente, como analista de datos, tu papel es esencial para ayudar a las empresas a resolver problemas y tomar decisiones. Los datos son una herramienta poderosa, pero es necesario convertirlos en conocimiento útil para que realmente generen impacto.

Resumen: La función de los datos en la toma de decisiones

El trabajo de un analista de datos consiste en proporcionar la información necesaria para apoyar decisiones clave dentro de una organización. Además, deben presentar sus análisis de manera que faciliten la toma de decisiones por parte de los líderes empresariales. El análisis de datos permite comparar diferentes enfoques y entender por qué algunos proyectos fallan y otros tienen éxito, dependiendo de cómo se utilicen los datos.

Existen dos enfoques principales en la toma de decisiones con datos: las decisiones basadas en datos y las decisiones inspiradas en datos. Ambos parten de la idea de que los datos, si se conservan y gestionan correctamente, tienen un gran valor para tomar decisiones informadas. Sin embargo, es importante recordar que los datos por sí mismos no toman decisiones, pero pueden mejorar la calidad de las mismas.

La toma de decisiones basada en datos se refiere al uso de hechos y cifras concretas para definir una estrategia. Este enfoque depende de la cantidad y calidad de los datos disponibles. Si los datos son suficientes y confiables, pueden mejorar la toma de decisiones. Pero si son incompletos o están sesgados, pueden llevar a conclusiones erróneas. Algunos riesgos de depender completamente de este enfoque incluyen el exceso de confianza en datos históricos y la falta de consideración de factores cualitativos.

Un ejemplo claro de decisión basada en datos son las pruebas A/B. Por ejemplo, una empresa prueba dos versiones de su sitio web con diferentes usuarios para ver cuál genera más ventas. Al analizar los resultados, la empresa puede decidir con mayor certeza cuál diseño utilizar.

Las decisiones inspiradas en datos, por otro lado, incluyen elementos cualitativos y se basan no solo en hechos, sino también en experiencias, sentimientos y comparaciones conceptuales. Este enfoque permite considerar aspectos más difíciles de medir, lo cual puede evitar errores que surgen de una interpretación limitada de los datos.

Por ejemplo, un centro de atención al cliente analiza las puntuaciones de satisfacción del cliente, así como los comentarios escritos y las entrevistas con empleados, para diseñar una estrategia que mejore la experiencia general del cliente. Aunque los datos son una base importante, también se consideran las opiniones de los trabajadores y otras observaciones cualitativas.

Cuando se usan adecuadamente, los datos pueden llevar al éxito empresarial. Un caso positivo es el de PepsiCo, que decidió reorganizar su estrategia digital contratando talento analítico, desarrollando flujos de trabajo interfuncionales y centralizando sus datos en la nube. Esto les permitió tener una visión más clara y completa de sus consumidores y tomar decisiones mejor informadas. PepsiCo utilizó tanto datos internos como fuentes externas para mejorar la experiencia del cliente y anticiparse a sus necesidades.

Sin embargo, también hay ejemplos de fallos importantes por mal uso de los datos. En 1985, Coca-Cola lanzó una nueva fórmula basada en pruebas de sabor realizadas con 200,000 personas, donde se prefería el nuevo sabor sobre Pepsi. Sin embargo, no se tuvo en cuenta el apego emocional de los consumidores hacia la fórmula clásica. El resultado fue una reacción negativa del público, una gran pérdida económica y el regreso obligado del producto original. Este es un ejemplo de cómo decisiones basadas en datos incompletos pueden ser peligrosas.

Otro caso es el del Mars Climate Orbiter de la NASA, perdido en 1999. Aunque los datos eran precisos, la falta de coordinación entre equipos causó el desastre. Unos usaban el sistema internacional de unidades (newtons), mientras que otros empleaban el sistema inglés (libras). La falta de conversión entre estos sistemas provocó un error en los cálculos de fuerza y la nave se desintegró en la atmósfera marciana. Este incidente demuestra cómo incluso los datos correctos pueden llevar a decisiones erróneas si se interpretan mal o si no hay comunicación entre equipos.

Es importante distinguir entre tomar decisiones con datos incompletos y con poca cantidad de datos. Aunque los datos incompletos pueden ser peligrosos, una muestra pequeña pero precisa puede ser suficiente para tomar buenas decisiones. Esta es una habilidad que los analistas de datos desarrollan con la práctica.

Como analista de datos, no siempre será necesario decidir entre un enfoque u otro. Lo esencial es tener una mentalidad crítica, formular muchas preguntas, explorar diversas posibilidades y aplicar tanto la lógica como la creatividad en todo el proceso de análisis. De esta forma, se puede interpretar y aplicar los datos con el mayor nivel de precisión y responsabilidad posible.

Resumen: Datos cuantitativos y cualitativos en la toma de decisiones

En la toma de decisiones, los datos juegan un papel clave. Sin embargo, hay distintos tipos de preguntas que los datos nos pueden ayudar a responder, y según el tipo de pregunta, se requiere un tipo diferente de datos. Los dos tipos principales de datos que se mencionan son los datos cuantitativos y los datos cualitativos.

Los datos cuantitativos son aquellos que se pueden medir numéricamente. Responden preguntas como “¿qué?”, “¿cuántos?” y “¿con qué frecuencia?”. Un ejemplo sería saber cuántas personas usan el tren para ir a trabajar cada semana. Este tipo de datos es específico, objetivo y permite representarse fácilmente en gráficos y tablas. Los analistas financieros, por ejemplo, trabajan principalmente con datos cuantitativos debido a la precisión de los números.

Por otro lado, los datos cualitativos no son medibles numéricamente. Describen características, cualidades y aspectos subjetivos. Responden a preguntas como “¿por qué?” y permiten comprender mejor el contexto detrás de los números. Un ejemplo sería entender por qué a las personas les gusta más un producto o una celebridad. Aunque no se pueden graficar tan fácilmente, estos datos ayudan a entender el “por qué” detrás de los resultados cuantitativos.

Un buen ejemplo del uso combinado de estos dos tipos de datos es el caso de una heladería local. El dueño nota que su calificación en línea ha bajado y quiere entender por qué. Empieza por hacer preguntas medibles: cuántas reseñas negativas hay, cuál es el promedio de calificación y cuántas veces se repiten ciertas palabras. Este análisis le da datos cuantitativos. Por ejemplo, descubre que 17 reseñas negativas incluyen la palabra “frustrado”. Luego investiga la razón de esa frustración: muchos clientes están molestos porque la tienda se queda sin sus sabores favoritos antes de que termine el día. Este análisis cualitativo le permite entender mejor el problema.

...