{"id":265,"date":"2016-05-11T15:31:00","date_gmt":"2016-05-11T14:31:00","guid":{"rendered":""},"modified":"2020-12-04T17:56:38","modified_gmt":"2020-12-04T16:56:38","slug":"using-data-effectively-i-bet-you-dont","status":"publish","type":"post","link":"https:\/\/www.thediar.com\/es\/blog\/using-data-effectively-i-bet-you-dont\/","title":{"rendered":"Haciendo un uso efectivo de los datos. Puede ser que no lo est\u00e9s haciendo."},"content":{"rendered":"

Los datos son el nuevo petr\u00f3leo. Como tal, debe ser procesado y refinado para poder ser usado. \u00bfHace tu compa\u00f1\u00eda un uso efectivo de los datos?<\/i><\/p>\n

Tal y como comentamos en el post fundacional<\/a>, seg\u00fan FORTUNE<\/b> en un post<\/a> de principios del 2016, s\u00f3lo el 20% de los directores piensan que su compa\u00f1\u00eda hace un uso \u00abaltamente efectivo\u00bb de los datos<\/b>. Ahora, la pregunta del mill\u00f3n es: \u00bfhace su compa\u00f1\u00eda un uso efectivo de los datos? O, mejor a\u00fan, \u00bfsu compa\u00f1\u00eda usa datos?<\/p>\n

Todas las compa\u00f1\u00edas tienen datos<\/b>, y es relativamente f\u00e1cil comenzar a usarlos: sencillamente comience recolectando algunos datos en diversos sistemas y haga alg\u00fan procesamiento sobre ellos (aunque sea manual<\/b>). Muy r\u00e1pidamente nos damos cuenta que hacer un uso (altamente) efectivo<\/b> de los datos es bastante m\u00e1s dif\u00edcil de lo que hab\u00edamos imaginado. En cualquier caso, centraremos el resto de este post en aquellas compa\u00f1\u00eda que, de una manera u otra ya usan datos<\/b> y desean hacer un uso m\u00e1s efectivo de los mismos.<\/p>\n

El ejercicio clave es determinar qu\u00e9 quiere decir hacer un uso (altamente) efectivo de los datos<\/b>. Para ello, lo haremos de la manera inversa: determinaremos qu\u00e9 es un uso inefectivo de los datos a partir de situaciones que nos hemos ido encontrando en los \u00faltimos a\u00f1os. \u00bfSer\u00e1s capaz de pasar el test?<\/b><\/p>\n

<\/a>Test #1<\/b>: \u00bfQu\u00e9 tres KPI<\/b> (indicadores clave de rendimiento) compruebas cada ma\u00f1ana cuando te sientas en tu escritorio? Si la respuesta a esta pregunta no es otra cosa que un conjunto claro y conciso de indicadores o cuadros de mando, entonces tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n

<\/a>Test #2<\/b>: \u00bfLos datos que extraes generan alguna duda<\/b> sobre su calidad<\/b>? \u00bfSon datos fiables<\/b>? \u00bfSon legibles<\/b>? Si una sola de las respuestas es \u00abno\u00bb, entonces tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n

<\/a>Test #3<\/b>: \u00bfTardas demasiado tiempo<\/b> en<\/b> extraer<\/b> datos? Entonces tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n


\n<\/b><\/a>Test #4<\/b>: \u00bfPuedes extraer<\/b> y cruzar<\/b> datos de diversas fuentes<\/b>? Si no, o se trata de un proceso<\/b> manual<\/b>, o algunas de las fuentes no son accesibles, entonces tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n

<\/a>Test #5<\/b>: \u00bfPuedes leer grandes<\/b> cantidades<\/b> de datos? Si Excel<\/b> parece quedarse corto y no se usa ninguna otra herramienta para hacerlo, entonces tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n

<\/a>Test #6<\/b>: \u00bfPuedes extraer datos por ti mismo<\/b>? Si necesitas estar permanentemente pidiendo ayuda (normalmente por la complejidad<\/b> de los sistemas involucrados), entonces tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n

<\/a>Test #7<\/b>: \u00bfLos descubrimientos son comunicados<\/b> y entendidos <\/b>(no necesariamente compartidos)\u00a0por todo el mundo? Si los datos dan lugar a confusi\u00f3n<\/b> o son pobremente<\/b> comunicados<\/b>, entonces tu compa\u00f1\u00eda hace un uso ineficiente de los datos.<\/p>\n

<\/a>Test #8<\/b>: \u00bfExperimentas montones de burocracia<\/b> que hace que quienes tienen que tomar las decisiones no sean provistos con la informaci\u00f3n correcta y a tiempo? Entonces tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n

<\/a>Test #9<\/b>: \u00bfTienes preguntas<\/b> concretas que debas contestar, y entonces determinas d\u00f3nde se encuentra la informaci\u00f3n<\/b> necesaria para responderla? Si es que no, entonces tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n

<\/a>Test #10<\/b>: \u00bfTomas acciones<\/b> concretas a partir de los datos y de los descubrimientos? Si es que no, entonces s\u00f3lo est\u00e1s coleccionando<\/b> informaci\u00f3n. Por lo tanto, tu compa\u00f1\u00eda hace un uso inefectivo de los datos.<\/p>\n

Tu compa\u00f1\u00eda, pues, alcanza una cultura data-driven<\/b> s\u00ed y s\u00f3lo s\u00ed ninguna<\/b> de las diez situaciones arriba mencionadas tiene lugar. Por lo tanto, \u00bfc\u00f3mo las resolvemos?<\/p>\n

<\/a>Soluci\u00f3n para #1<\/b>: Definir KPI<\/b>, organizarlos y conceptualizar cuadros<\/b> de<\/b> mando<\/b>. Comienza por una servilleta y despu\u00e9s p\u00e1salos a un papel. Luego haz que alguien lo tenga listo cada ma\u00f1ana en un PDF correctamente distribuido, y aseg\u00farate de tenerlo en tu bandeja de entrada cada ma\u00f1ana. Por \u00faltimo, evoluciona<\/b> hacia una herramienta de BI.<\/p>\n

<\/a>Soluci\u00f3n para #2<\/b>: Si los datos no son fiables, entonces debemos investigar en qu\u00e9 punto los datos dejan de serlos, tanto entre sistemas como dentro de los mismos. De la misma manera, es posible que haya errores en el proceso de extracci\u00f3n<\/b> o que los procesos de transformaci\u00f3n<\/b> y manipulaci\u00f3n<\/b> sean defectuosos. El primer caso requerir\u00e1 probablemente de procesos de congelaci\u00f3n<\/b> de datos. El segundo y tercer caso probablemente necesite nuevas reglas<\/b> de<\/b> manipulaci\u00f3n<\/b>.<\/p>\n

<\/a>Soluci\u00f3n para #3<\/b>: Si los datos tardan a\u00f1os en ser extra\u00eddos<\/b>, es posible que las fuentes sean lentas<\/b> de por s\u00ed (API de SalesForce, por ejemplo). Tambi\u00e9n es posible que los procesos<\/b> de transformaci\u00f3n<\/b> y manipulaci\u00f3n<\/b> presenten fallos o que la herramienta de reporting<\/b> no est\u00e9 optimizada. Por \u00faltimo y no menos importante, es posible que que tu departamento de BI est\u00e9 ahogado<\/b> en peticiones.<\/p>\n

<\/a>Soluci\u00f3n para #4<\/b>: Si tienes muchas fuentes<\/b> de datos que necesiten ser accedidas y cruzadas. se deber\u00e1n definir procesos ETL<\/b> (Extract, Transform, Load). Si el volumen de datos es verdaderamente grande, un Data Warehouse<\/b> (DWH) puede ser una buena soluci\u00f3n.<\/p>\n

<\/a>Soluci\u00f3n para #5<\/b>: Lo primero es preguntarse si se necesita<\/b> tal cantidad de datos. Si resulta que s\u00ed, entonces se pueden hacer pre-procesamientos y c\u00e1lculos<\/b> de datos en servidor. Si esto no es posible (aunque apostamos a que s\u00ed se puede), se deber\u00e1 buscar una herramienta<\/b> que sea capaz de leer tal cantidad de datos.<\/p>\n

<\/a>Soluci\u00f3n para #6<\/b>: La capacidad de servirse<\/b> por<\/b> s\u00ed<\/b> mismo<\/b> es una quimera para muchas compa\u00f1\u00edas, pero a la vez es algo deseable<\/b>. Se debe comenzar por decir que no a peticiones sencillas. Forma a tu gente y hazlo muy simple (no necesariamente barato): implementa una herramienta de reporting<\/b> y ense\u00f1a a tu gente (desde el analista hasta el CEO) a usarla. Se puede comenzar por tablas muy sencillas que no pueden ser modificadas. M\u00e1s adelante (mucho m\u00e1s temprano de lo que puede parecer) los usuarios<\/a> ir\u00e1n pidiendo derechos de modificaci\u00f3n y edici\u00f3n.<\/p>\n

<\/a>Soluci\u00f3n para #7<\/b>: Comprueba d\u00f3nde est\u00e1n los cuellos de botella<\/b>. Aseg\u00farate que tus analistas tengan buenos dotes de comunicaci\u00f3n<\/b>. Aplica el Principio de Comunicaci\u00f3n Piramidal<\/b>, de Barbara Minto<\/a>. Y, por favor, evita presentaciones con decenas de diapositivas. La clave es el foco<\/b>.<\/p>\n

<\/a>Soluci\u00f3n para #8<\/b>: Nuevamente, hay que analizar d\u00f3nde est\u00e1n los cuellos de botella. Aseg\u00farate que las personas que tienen que tomar las decisiones pueden acceder<\/b> a los datos (\u00a1y aseg\u00farate de que usan<\/b> datos!). Tambi\u00e9n es posible que el departamento de BI o de An\u00e1lisis necesite mejorar en transparencia<\/b>. La clave puede estar en mejorar los procesos de feedback<\/b>.<\/p>\n

<\/a>Soluci\u00f3n para #9<\/b>: Por favor, evita el S\u00edndrome de Di\u00f3gene<\/b>s en versi\u00f3n datos. No<\/b> es necesario almacenar todos<\/b> los datos a la espera de que, por alg\u00fan milagro, se obtengan descubrimientos a partir de ellos. Hay que conocer bien la estrategia y las operaciones del negocio para identificar los puntos claves que necesiten una decisi\u00f3n. Entonces, y s\u00f3lo entonces, trata de descubrir qu\u00e9 datos son necesarios. Si los datos est\u00e1n ah\u00ed, \u00fasalos. Si no, comienza a almacenarlos inmediatamente.<\/p>\n

<\/a>Soluci\u00f3n para #10<\/b>: Un buen consejo es el de evitar<\/b> tener montones de cuadros de mandos y KPI (nuevamente, la clave es el foco). Una buena herramienta es el del \u00abTest de las Tres Capas de para qu\u00e9\u00bb (Three Layers of So What Test<\/b>). A cada indicador, cuadro de mando o an\u00e1lisis se le pregunta: \u00bfpara qu\u00e9?<\/b> Frecuentemente, la respuesta a esta pregunta vuelve a requerir nuevamente la pregunta: \u00bfpara qu\u00e9? Si a la tercera vez que se hace la pregunta no aparece una recomendaci\u00f3n clara de qu\u00e9 hacer, entonces el an\u00e1lisis, KPI o cuadro de mando es totalmente in\u00fatil. T\u00edrelo<\/b>.<\/p>\n

En todo caso, si esto suena muy complicado, no tiene m\u00e1s que contactarnos: es.ducks-in-a-row.es<\/a>.<\/p>\n

Para acabar, s\u00f3lo queremos mencionar que los datos representan, o deben representar, acci\u00f3n<\/b>. Para que esto pase, los datos deben ser accesibles<\/b>, fiables<\/b> y comunicados<\/b> de manera eficiente<\/b>. Entonces, y s\u00f3lo entonces, tu compa\u00f1\u00eda estar\u00e1 haciendo un uso efectivo de los datos<\/b>.<\/p>","protected":false},"excerpt":{"rendered":"

Los datos son el nuevo petr\u00f3leo. Como tal, debe ser procesado y refinado para poder ser usado. \u00bfHace tu compa\u00f1\u00eda un uso efectivo de los datos? Tal y como comentamos en el post fundacional, seg\u00fan FORTUNE en un post de […]<\/p>\n","protected":false},"author":2,"featured_media":307,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_jetpack_memberships_contains_paid_content":false,"footnotes":""},"categories":[1],"tags":[],"class_list":["post-265","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-blog","clearfix"],"aioseo_notices":[],"jetpack_featured_media_url":"https:\/\/i0.wp.com\/www.thediar.com\/wp-content\/uploads\/diana-1.png?fit=233%2C217&ssl=1","jetpack_shortlink":"https:\/\/wp.me\/p8d1gX-4h","jetpack_sharing_enabled":true,"_links":{"self":[{"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/posts\/265","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/comments?post=265"}],"version-history":[{"count":6,"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/posts\/265\/revisions"}],"predecessor-version":[{"id":4105,"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/posts\/265\/revisions\/4105"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/media\/307"}],"wp:attachment":[{"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/media?parent=265"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/categories?post=265"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.thediar.com\/es\/wp-json\/wp\/v2\/tags?post=265"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}